pytorch中Parameter函数用法示例
短信预约 -IT技能 免费直播动态提醒
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函数的资料请关注编程网其它相关文章！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
