一、nn.Embedding.weight初始化分布
nn.Embedding.weight随机初始化方式是标准正态分布 [公式] ,即均值 μ = 0 \mu=0 μ=0,方差 σ = 1 \sigma=1 σ=1的正态分布。
import torch.nn as nn
# dim越大,均值、方差越接近0和1
dim = 800000
# 定义了一个(5, dim)的二维embdding
# 对于NLP来说,相当于是5个词,每个词的词向量维数是dim
# 每个词向量初始化为正态分布 N(0,1)(待验证)
embd = nn.Embedding(5, dim)
# type(embd.weight) is Parameter
# type(embd.weight.data) is Tensor
# embd.weight.data[0]是指(5, dim)的word embeddings中取第1个词的词向量,是dim维行向量
weight = embd.weight.data[0].numpy()
print("weight: {}".format(weight))
weight_sum = 0
for w in weight:
weight_sum += w
mean = weight_sum / dim
print("均值: {}".format(mean))
square_sum = 0
for w in weight:
square_sum += (mean - w) ** 2
print("方差: {}".format(square_sum / dim))
代码输出:
weight: [-0.65507996 0.11627434 -1.6705967 ... 0.78397447 ... -0.13477565]
均值: 0.0006973597864689242
方差: 1.0019535550544454
二、torch.Tensor、torch.tensor、torch.randn初始化分布
1、torch.rand
返回
[
0
,
1
)
[0,1)
[0,1)上的均匀分布(uniform distribution)。
2、torch.randn
返回
N
(
0
,
1
)
N(0, 1)
N(0,1),即标准正态分布(standard normal distribution)。
3、torch.Tensor
torch.Tensor是Tensor class,torch.Tensor(2, 3)是调用Tensor的构造函数,构造了
2
×
3
2\times3
2×3矩阵,但是没有分配空间,未初始化。
不推荐使用torch.Tensor创建Tensor,应使用torch.tenstor、torch.ones、torch.zeros、torch.rand、torch.randn等,原因:
t = torch.Tensor(2,3)
容易出现下述错误,因为t中的值取决当前内存中的随机值
如果当前内存中随机值特别大会溢出
RuntimeError: Overflow when unpacking long