pytorch的一些卷积初始化方式和模型保存与加载。

可以先对每个卷积层的weight和bias进行初始化，再使用add_modules对Sequential进行添加，如果要查看的话则使用f

for module in model.modules():

  if isinstance(module,nn.Conv3d):

      print(module.weight)

然后保存模型可以用load_state_dict()对model和optimizer进行加载

保存的时候可以用torch.save(state_dict(字典),path）

也可以直接保存model

import torch
import torch.nn as nn

w = torch.empty(2, 3)

# 1. 均匀分布 - u(a,b)
# torch.nn.init.uniform_(tensor, a=0, b=1)
nn.init.uniform_(w)
# tensor([[ 0.0578,  0.3402,  0.5034],
#         [ 0.7865,  0.7280,  0.6269]])

# 2. 正态分布 - N(mean, std)
# torch.nn.init.normal_(tensor, mean=0, std=1)
nn.init.normal_(w)
# tensor([[ 0.3326,  0.0171, -0.6745],
#        [ 0.1669,  0.1747,  0.0472]])

# 3. 常数 - 固定值 val
# torch.nn.init.constant_(tensor, val)
nn.init.constant_(w, 0.3)
# tensor([[ 0.3000,  0.3000,  0.3000],
#         [ 0.3000,