网站首页编程语言正文

pytorch中Parameter函数用法示例_python

作者：鬼道2022 更新时间： 2022-04-10 编程语言

用法介绍

pytorch中的Parameter函数可以对某个张量进行参数化。它可以将不可训练的张量转化为可训练的参数类型，同时将转化后的张量绑定到模型可训练参数的列表中，当更新模型的参数时一并将其更新。

torch.nn.parameter.Parameter

data (Tensor)：表示需要参数化的张量
requires_grad (bool, optional)：表示是否该张量是否需要梯度，默认值为True

代码介绍

pytorch中的Parameter函数具体的代码示例如下所示

import torch
import torch.nn as nn
class NeuralNetwork(nn.Module):
	def __init__(self, input_dim, output_dim):
		super(NeuralNetwork, self).__init__()
		self.linear = nn.Linear(input_dim, output_dim)
		self.linear.weight = torch.nn.Parameter(torch.zeros(input_dim, output_dim))
		self.linear.bias = torch.nn.Parameter(torch.ones(output_dim))
	def forward(self, input_array):
		output = self.linear(input_array)
		return output
if __name__ == '__main__':
	net = NeuralNetwork(4, 6)
	for param in net.parameters():
		print(param)

代码的结果如下所示：

当神经网络的参数不是用Parameter函数参数化直接赋值给权重参数时，则会报错，具体的程序

import torch
import torch.nn as nn
class NeuralNetwork(nn.Module):
	def __init__(self, input_dim, output_dim):
		super(NeuralNetwork, self).__init__()
		self.linear = nn.Linear(input_dim, output_dim)
		self.linear.weight = torch.zeros(input_dim, output_dim)
		self.linear.bias = torch.ones(output_dim)
	def forward(self, input_array):
		output = self.linear(input_array)
		return output
if __name__ == '__main__':
	net = NeuralNetwork(4, 6)
	for param in net.parameters():
		print(param)

代码运行报错结果如下所示:

原文链接：https://guidao.blog.csdn.net/article/details/122351266

上一篇：Blazor实现数据验证_基础应用
下一篇：WPF关键帧动画介绍与实现_实用技巧

网站首页编程语言正文

pytorch中Parameter函数用法示例_python

目录

用法介绍

代码介绍

相关推荐

网站首页 编程语言 正文

pytorch中Parameter函数用法示例_python

目录

用法介绍

代码介绍

相关推荐

网站首页编程语言正文