快捷導(dǎo)航

python使用torch隨機(jī)初始化參數(shù)

更新時(shí)間：2022年03月22日 10:52:42 作者：就是一頓騷操作

這篇文章主要介紹了python使用torch隨機(jī)初始化參數(shù)，文章圍繞torch隨機(jī)初始化參數(shù)的相關(guān)資料展開(kāi)文章詳細(xì)內(nèi)容，具有一定的參考價(jià)值，需要的小伙伴可以參考一下，希望對(duì)你有所幫助

1、從均勻分布中生成值

w = torch.zeros(3, 5)
w
Out[75]:?
tensor([[0., 0., 0., 0., 0.],
? ? ? ? [0., 0., 0., 0., 0.],
? ? ? ? [0., 0., 0., 0., 0.]])
torch.nn.init.uniform_(w, a=10, b=15)
Out[76]:?
tensor([[11.8949, 11.0836, 10.6348, 13.4524, 12.8051],
? ? ? ? [14.5289, 11.3441, 10.0570, 11.0310, 11.3643],
? ? ? ? [10.2919, 11.2083, 13.5757, 13.3987, 11.0059]])

2、分布N(mean, std)中生成值

從給定均值和標(biāo)準(zhǔn)差的正態(tài)分布N(mean, std)中生成值，填充輸入的張量或變量

w = torch.zeros(3, 5)
torch.nn.init.normal_(w, mean=0, std=0.1)
Out[78]:?
tensor([[-0.1810, -0.0781, ?0.0562, ?0.0239, -0.0599],
? ? ? ? [ 0.0340, ?0.1520, ?0.0534, ?0.1895, ?0.0135],
? ? ? ? [ 0.0149, -0.1131, -0.0643, ?0.0160, -0.2282]])

3、使用值val填充輸入Tensor

w = torch.empty(2, 5)
torch.nn.init.constant_(w, val=0.6)
Out[80]:?
tensor([[0.6000, 0.6000, 0.6000, 0.6000, 0.6000],
? ? ? ? [0.6000, 0.6000, 0.6000, 0.6000, 0.6000]])

3.1、使用0，或者1 填充數(shù)據(jù)

torch.nn.init.zeros_(w)
Out[83]:?
tensor([[0., 0., 0., 0., 0.],
? ? ? ? [0., 0., 0., 0., 0.],
? ? ? ? [0., 0., 0., 0., 0.]])

torch.nn.init.ones_(w)
Out[85]:?
tensor([[1., 1., 1., 1., 1.],
? ? ? ? [1., 1., 1., 1., 1.],
? ? ? ? [1., 1., 1., 1., 1.]])

4、用單位矩陣填充二維輸入張量

w = torch.empty(3, 5)
torch.nn.init.eye_(w)
Out[82]:?
tensor([[1., 0., 0., 0., 0.],
? ? ? ? [0., 1., 0., 0., 0.],
? ? ? ? [0., 0., 1., 0., 0.]])
torch.nn.init.zeros_(w)

5、其他常用的初始化方法

torch.nn.init.xavier_normal_(w)
Out[87]:?
tensor([[ 0.2121, -0.3607, ?0.6342, ?0.1501, ?0.0018],
? ? ? ? [-0.0737, ?0.6971, -0.2628, ?0.1004, -0.0322],
? ? ? ? [ 0.0093, ?0.7139, ?0.0263, ?0.7135, ?0.6979]])
torch.nn.init.xavier_uniform_(w)
Out[88]:?
tensor([[-0.1675, -0.1284, -0.4856, ?0.5762, -0.6135],
? ? ? ? [ 0.0711, -0.8592, -0.0317, ?0.6801, ?0.4777],
? ? ? ? [ 0.2965, -0.5528, -0.5425, ?0.5166, ?0.5759]])
torch.nn.init.kaiming_normal_(w)
Out[89]:?
tensor([[ 0.0015, ?0.0681, ?0.5349, -0.0972, -0.8459],
? ? ? ? [ 0.6095, -0.0047, ?0.2383, ?1.1911, -1.2320],
? ? ? ? [-0.7059, -0.0080, ?0.4166, ?0.6686, -0.9375]])
torch.nn.init.kaiming_uniform_(w)
Out[90]:?
tensor([[-0.2876, ?0.3591, ?0.7630, ?0.5041, -0.6685],
? ? ? ? [-0.6666, ?0.5787, ?0.9411, -0.0918, ?1.0930],
? ? ? ? [-0.5985, -0.9909, ?0.4831, -0.6703, ?0.0351]])

到此這篇關(guān)于python使用torch隨機(jī)初始化參數(shù)的文章就介紹到這了,更多相關(guān)torch隨機(jī)初始化參數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: