torch入门笔记21:xavier初始化方法

本文介绍了在torch中为了优化分类效果,采用Xavier初始化方法替代默认随机初始化。Xavier初始化根据输入和输出节点数量调整权重初始化范围,以促进网络训练。通过引入'weight-init.lua'文件中的实现,可以轻松在代码中应用该方法。
摘要由CSDN通过智能技术生成

今天的task主要是为了使得分类中要达到更好的优化效果,这里需要对model内部参数的初始化做一下特殊的处理。

还记得torch会帮我们随机初始化参数吗?我们现在不使用torch的初始化参数,而使用一种更高级的初始化方法,称之为xavier方法。概括来讲,就是根据每层的输入个数和输出个数来决定参数随机初始化的分布范围。在代码里只需要一句:

model = require('weight-init')(model, 'xavier')


其中的‘weight-init’指向了与主文件同一文件夹里的weight-init.lua这个文件。xavier方法就在这个文件里面。它是由

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值