目录
- 用法介绍
- 代码介绍
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:
以上就是pytorch中parameter函数用法示例的详细内容,更多关于pytorch中parameter函数的资料请关注www.887551.com其它相关文章!
黄山市民网:https://www.huangshanshimin.com/