torch.nn.init
均匀分布
- 格式
torch.nn.init.uniform_(tensor, a=0.0, b=1.0)
- 作用
从均匀分布U ( a , b ) 中生成值,填充输入的张量或变量。 - 参数
- tensor n 维的torch.Tensor
- a 均匀分布的下界
- b均匀分布的上界
- 例子
w = torch.empty(3, 5)
nn.init.uniform_(w)
正态分布
- 格式
torch.nn.init.normal_(tensor, mean=0.0, std=1.0)
- 作用
从给定均值和标准差的正态分布N ( m e a n , s t d ) N(mean,std)N(mean,std)中生成值,填充输入的张量或变量。 - 参数
- tensor n 维的torch.Tensor
- mean 正态分布的均值
- std 正态分布的标准差
- 例子
w = torch.empty(3, 5)
nn.init.normal_(w)
常数分布
- 格式
torch.nn.init.constant_(tensor, val)
- 作用
用val的值填充输入的张量或变量 - 参数
- tensor n维的torch.Tensor 或 autograd.Variable
- val 用来填充张量的值
- 例子
w = torch.empty(3, 5)
nn.init.constant_(w, 0.3)
全1分布
- 格式
torch.nn.init.ones_(tensor)
- 作用
用全1填充张量 - 参数
- 例子
w = torch.empty(3, 5)
nn.init.ones_(w)
全0分布
- 格式
torch.nn.init.zeros_(tensor)
- 作用
用全0填充张量 - 参数
- 例子
w = torch.empty(3, 5)
nn.init.zeros_(w)
对角分布
- 格式
torch.nn.init.eye_(tensor)
- 作用
用单位矩阵来填充2维输入张量或变量 - 参数
- tensor 2维的torch.Tensor 或 autograd.Variable
- 例子
w = torch.empty(3, 5)
nn.init.eye_(w)
xavier_uniform 分布
- 格式
torch.nn.init.xavier_uniform_(tensor, gain=1.0)
- 作用
用一个均匀分布生成值,填充输入的张量或变量。 - 参数
- tensor n维的torch.Tensor
- gain 可选的缩放因子
- 例子
w = torch.empty(3, 5)
nn.init.xavier_uniform_(w, gain=nn.init.calculate_gain('relu'))
xavier_normal 分布
- 格式
torch.nn.init.xavier_normal_(tensor, gain=1.0)
- 作用
用一个正态分布生成值,填充输入的张量或变量。 - 参数
- tensor n维的torch.Tensor
- gain 可选的缩放因子
- 例子
w = torch.empty(3, 5)
nn.init.xavier_normal_(w)
kaiming_uniform 分布
- 格式
torch.nn.init.kaiming_uniform_(tensor, a=0, mode='fan_in', nonlinearity='leaky_relu')
- 作用
用一个均匀分布生成值,填充输入的张量或变量。 - 参数
- tensor n维的torch.Tensor或autograd.Variable
- a 这层之后使用的rectifier的斜率系数(ReLU的默认值为0)
- mode 可以为“fan_in”(默认)或 “fan_out”,“fan_in”保留前向传播时权值方差的量级,“fan_out”保留反向传播时的量级
- nonlinearity=‘leaky_relu’非线性函数 建议“relu”或“leaky_relu”(默认值)使用。
- 例子
w = torch.empty(3, 5)
nn.init.kaiming_uniform_(w, mode='fan_in', nonlinearity='relu')
kaiming_normal 分布
- 格式
torch.nn.init.kaiming_normal_(tensor, a=0, mode='fan_in', nonlinearity='leaky_relu')
- 作用
用一个正态分布生成值,填充输入的张量或变量。 - 参数
- tensor n维的torch.Tensor或autograd.Variable
- a 这层之后使用的rectifier的斜率系数(ReLU的默认值为0)
- mode 可以为“fan_in”(默认)或 “fan_out”,“fan_in”保留前向传播时权值方差的量级,“fan_out”保留反向传播时的量级
- 例子
w = torch.empty(3, 5)
nn.init.kaiming_normal_(w, mode='fan_in', nonlinearity='relu')
正交矩阵
- 格式
torch.nn.init.orthogonal_(tensor, gain=1)
- 作用
用一个(半)正交矩阵填充输入张量。 - 参数
- tensor 一个n维的tensor,其中 n≥2
- gain 可选比例系数
- 例子
w = torch.empty(3, 5)
nn.init.orthogonal_(w)
稀疏矩阵
- 格式
torch.nn.init.sparse_(tensor, sparsity, std=0.01)
- 作用
将2D输入张量填充为稀疏矩阵,其中非零元素将从正态分布N ( 0 , 0.01 ) N(0,0.01)N(0,0.01)中提取。 - 参数
- tensor 一个n维的tensor张量
- sparsity 每一列中元素的比例设置为零
- std 用于产生非零值的正态分布的标准差
- 例子
w = torch.empty(3, 5)
nn.init.sparse_(w, sparsity=0.1)