先看代码

m = nn.Identity(
54,
unused_argument1=0.1,
unused_argument2=False
)input = torch.randn(128, 20)
output = m(input)
>>> print(output.size())
torch.Size([128, 20])

这是官方文档中给出的代码,很明显,没有什么变化,输入的是torch,输出也是,并且给定的参数似乎并没有起到变化的效果。

看源码

class Identity(Module):r"""A placeholder identity operator that is argument-insensitive.Args:args: any argument (unused)kwargs: any keyword argument (unused)Examples::>>> m = nn.Identity(54, unused_argument1=0.1, unused_argument2=False)>>> input = torch.randn(128, 20)>>> output = m(input)>>> print(output.size())torch.Size([128, 20])"""def __init__(self, *args, **kwargs):super(Identity, self).__init__()def forward(self, input: Tensor) -> Tensor:return input

这相当的简洁明了啊,输入是啥,直接给输出,不做任何的改变。再看文档中的一句话:A placeholder identity operator that is argument-insensitive.

翻译一下就是:不区分参数的占位符标识运算符。百度翻译,其实意思就是这个网络层的设计是用于占位的,即不干活,只是有这么一个层,放到残差网络里就是在跳过连接的地方用这个层,显得没有那么空虚!

torch.nn.identity()方法详解相关推荐

  1. conv2d的输入_pytorch1.0中torch.nn.Conv2d用法详解

    Conv2d的简单使用 torch 包 nn 中 Conv2d 的用法与 tensorflow 中类似,但不完全一样. 在 torch 中,Conv2d 有几个基本的参数,分别是 in_channel ...

  2. pytorch之torch.nn.Conv2d()函数详解

    文章目录 一.官方文档介绍 二.torch.nn.Conv2d()函数详解 参数详解 参数dilation--扩张卷积(也叫空洞卷积) 参数groups--分组卷积 三.代码实例 一.官方文档介绍 官 ...

  3. PyTorch基础(12)-- torch.nn.BatchNorm2d()方法

    Batch Normanlization简称BN,也就是数据归一化,对深度学习模型性能的提升有很大的帮助.BN的原理可以查阅我之前的一篇博客.白话详细解读(七)----- Batch Normaliz ...

  4. torch.argmax方法详解

    torch.argmax方法详解 torch.argmax(x, dim),其中x为张量,dim控制比较的维度,返回最大值的索引. 1.当dim=0时 import torch x = torch.r ...

  5. PyTorch基础(13)-- torch.nn.Unfold()方法

    前言 最近在看新论文的过程中,发现新论文中的代码非常简洁,只用了unfold和fold方法便高效的将论文的思想表达出,因此学习记录一下unfold和fold方法. 一.方法详解 方法 torch.nn ...

  6. pytorch教程之nn.Module类详解——使用Module类来自定义网络层

    前言:前面介绍了如何自定义一个模型--通过继承nn.Module类来实现,在__init__构造函数中申明各个层的定义,在forward中实现层之间的连接关系,实际上就是前向传播的过程. 事实上,在p ...

  7. pytorch模型(.pt)转onnx模型(.onnx)的方法详解(1)

    1. pytorch模型转换到onnx模型 2.运行onnx模型 3.比对onnx模型和pytorch模型的输出结果 我这里重点是第一点和第二点,第三部分  比较容易 首先你要安装 依赖库:onnx ...

  8. Spring JdbcTemplate方法详解

    2019独角兽企业重金招聘Python工程师标准>>> Spring JdbcTemplate方法详解 标签: springhsqldbjava存储数据库相关sql 2012-07- ...

  9. PHP cURL应用实现模拟登录与采集使用方法详解

    对于做过数据采集的人来说,cURL一定不会陌生.虽然在PHP中有file_get_contents函数可以获取远程链接的数据,但是它的可控制性太差了,对于各种复杂情况的采集情景,file_get_co ...

最新文章

  1. JQuery执行DOM批量克隆并插入的提效方法
  2. Abiword对话框资源
  3. ajax向后台请求数据,后台接收到数据并进行了处理,但前台就是调用error方法...
  4. 机器学习性能评估指标汇总
  5. Fiori Elements value help selection pass back
  6. arcmap创建空间索引_GIS中创建空间索引的一种方法
  7. 基于JAVA+SpringBoot+Mybatis+MYSQL的记账本管理系统
  8. AOL架构原则.优秀API设计.Yeoman工具
  9. Java自学学习路线,自学方法,0基础小白如何怎么样才能用最短的时间学好Java
  10. 太原理工大学 微型计算机实验,太原理工大学 微机原理 实验三 十字路口红绿灯闪烁实验...
  11. matlab 计算函数极值,如何用MATLAB求函数的极值点和最大值
  12. Windows 获取和修改Owner
  13. 熊太行.关系攻略之---正确认识关系和自己
  14. 二代旅游CMS网站管理系统使用手册(三)--计调线路团期录入
  15. 软件测试应届简历,软件测试应届毕业生个人简历
  16. 谷粒商城三阶段课件_高二地理必修三11:(课件)第2章 区域生态环境建设第2节 森林的开发和保护——以亚马孙热带雨林为例...
  17. 图解HIVE页面单跳转化率
  18. Processing互动编程开发实践之动态文字打乱功能(别嫌长,代码多,图片多)
  19. Postgresql快照优化Globalvis新体系分析(性能大幅增强)
  20. 通过心理学知识提高问题定位与解决能力(下)

热门文章

  1. cinnamon-settings No module named ‘PIL‘
  2. STATA:加i.year和不加i.year的区别
  3. 利用Javascript制作网页特效(时间特效)
  4. 2019-4-17-从-dotnet-core-3.0-的特性让-WPF-布局失效讨论-API-兼容
  5. 【每日一题Day231】LC1240铺瓷砖 | 暴力回溯
  6. 【TCAX模板】Little Busters! OP(单段版+两段版:中日双语特效)
  7. 《妈妈再也不用担心我的学习系列》之RabbitMQ快速入门
  8. 51单片机的入门知识(献给初学者最易懂的文章)
  9. 关于YUV和YCbCr的一些知识。
  10. 他们是这样描述美女的,球星皮耶罗的绯闻女友该如何描述?