如果优美的将pytorch的卷积为自己所用

首先定义一个初始化函数
假如我们想使用 nn.Conv1d
(像class TrainNet(nn.Module):这样定义就好)
为我们所用,

elif isinstance(m, nn.Conv1d):m.weight.data.fill_(1)#m.weight.data=m.weight.data#可以这样赋值给m.weight.datam.bias.data.zero_()

我是将所有的weight全设置为1
所有的bias自然设置为全0

#网络初始化
net=TrainNet()
#设置我们想要的参数
initNetParams(net)
#使用1维卷积
net(data)


def initNetParams(net):'''Init net parameters.'''for m in net.modules():if isinstance(m, nn.Conv2d):init.xavier_uniform(m.weight)if m.bias:init.constant(m.bias, 0)elif isinstance(m, nn.BatchNorm2d):init.constant(m.weight, 1)init.constant(m.bias, 0)elif isinstance(m, nn.Linear):init.normal(m.weight, std=1e-3)if m.bias:init.constant(m.bias, 0)elif isinstance(m, nn.Conv1d):m.weight.data.fill_(1)m.bias.data.zero_()class TrainNet(nn.Module):def __init__(self):super().__init__()self.hidden_layer = nn.Sequential(nn.Conv1d(4096,4096,10,1,9),)def forward(self, xs):return self.hidden_layer(xs)net=TrainNet()
initNetParams(net)
net()

如果优美的将pytorch的卷积为自己所用相关推荐

用 Pytorch 理解卷积网络
点击上方"视学算法",选择"星标"公众号重磅干货,第一时间送达原标题 | CONVOLUTIONAL NEURAL NETWORKS EXPLAINED: ...
pytorch之卷积模块、池化、激活函数（可视化）
pytorch之卷积模块卷积卷积在 pytorch 中有两种方式,一种是 torch.nn.Conv2d(),一种是torch.nn.functional.conv2d(),这两种形式本质都是使用 ...
pytorch基于卷积层通道剪枝的方法
pytorch基于卷积层通道剪枝的方法原文:https://blog.csdn.net/yyqq7226741/article/details/78301231 本文基于文章:Pruning Con ...
【深度学习】基于Pytorch的卷积神经网络概念解析和API妙用(一)
[深度学习]基于Pytorch的卷积神经网络API妙用(一) 文章目录 1 不变性 2 卷积的数学分析 3 通道 4 互相关运算 5 图像中目标的边缘检测 6 基于Pytorch的卷积核 7 特征映射 ...
【深度学习】基于Pytorch的卷积神经网络概念解析和API妙用(二)
[深度学习]基于Pytorch的卷积神经网络API妙用(二) 文章目录1 Padding和Stride 2 多输入多输出Channel 3 1*1 Conv(笔者在看教程时,理解为降维和升维) 4 池 ...
pytorch对卷积神经网络常见操作
pytorch中的Tensor通道排列顺序是:[batch, channel, height, width] 我们常用的卷积(Conv2d)在pytorch中对应的函数是: torch.nn.Conv ...
三分钟完全了解PyTorch中卷积层内部计算方法和权值初始值的来历，让你对模型有更深层次的理解
首先先说明第一个答案,也就是PyTorch中卷积层的计算方法,其实这点很多人可能在书上已经看过图了,我只是用代码复现一遍我们把所有变量都明确,首先是输入变量,我们设为2 * 2的全1矩阵,如下: 然 ...
Educoder 机器学习神经网络第四关：使用pytorch搭建卷积神经网络识别手写数字
任务描述相关知识卷积神经网络为什么使用卷积神经网络卷积池化全连接网络卷积神经网络大致结构 pytorch构建卷积神经网络项目流程数据集介绍与加载数据构建模型训练模型保存模型加载 ...
【深度学习】非常详细 | 用 Pytorch 理解卷积网络
在当今时代,机器在理解和识别图像中的特征和目标方面已经成功实现了99%的精度.我们每天都会看到这种情况-智能手机可以识别相机中的面部:使用Google图片搜索特定照片的能力:从条形码或书籍中扫描文本. ...

如果优美的将pytorch的卷积为自己所用

如果优美的将pytorch的卷积为自己所用相关推荐

最新文章

热门文章