pytorch tensor 初始化_Pytorch的默认初始化分布 nn.Embedding.weight初始化分布

本文详细探讨了PyTorch中nn.Embedding权重的默认初始化分布,指出其采用标准正态分布(均值0,方差1)。通过查看源代码和简单验证,证实了这一初始化方式。此外,还介绍了torch.Tensor、torch.randn等方法的初始化分布,强调了正确初始化Tensor的重要性。
摘要由CSDN通过智能技术生成

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

8b9257bdc7c9ba793ef1a7839ef91bfcf08.jpg ,即均值$\mu=0$,方差$\sigma=1$的正态分布。

论据1——查看源代码

## class Embedding具体实现(在此只展示部分代码)

import torch

from torch.nn.parameter import Parameter from .module import Module from .. import functional as F class Embedding(Module): def __init__(self, num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2, scale_grad_by_freq=False, sparse=False, _weight=None): if _weight is None: self.weight = Parameter(torch.Tensor(num_embeddings, embedding_dim)) self.reset_parameters() else: assert list(_weight.shape) == [num_embeddings, embedding_dim], \ 'Shape of weight does not match num_embeddings and embedding_dim' self.weight =

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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