卷积核权值初始化_Pytorch卷积层手动初始化权值的实例

由于研究关系需要自己手动给卷积层初始化权值，但是好像博客上提到的相关文章比较少(大部分都只提到使用nn.init里的按照一定分布初始化方法)，自己参考了下Pytorch的官方文档，发现有两种方法吧。

所以mark下。

import torch

import torch.nn as nn

import torch.optim as optim

import numpy as np

# 第一一个卷积层，我们可以看到它的权值是随机初始化的

w=torch.nn.Conv2d(2,2,3,padding=1)

print(w.weight)

# 第一种方法

print("1.使用另一个Conv层的权值")

q=torch.nn.Conv2d(2,2,3,padding=1) # 假设q代表一个训练好的卷积层

print(q.weight) # 可以看到q的权重和w是不同的

w.weight=q.weight # 把一个Conv层的权重赋值给另一个Conv层

print(w.weight)

# 第二种方法

print("2.使用来自Tensor的权值")

ones=torch.Tensor(np.ones([2,2,3,3])) # 先创建一个自定义权值的Tensor，这里为了方便将所有权值设为1

w.weight=torch.nn.Parameter(ones) # 把Tensor的值作为权值赋值给Conv层，这里需要先转为torch.nn.Parameter类型，否则将报错

print(w.weight)

效果预览

以上这篇Pytorch卷积层手动初始化权值的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。