pytorch参数初始化方法

参数的初始化其实就是对参数赋值。

所以我们可以进行如下操作进行初始化，当然其实有其他的方法，但是这种方法是PyTorch作者所推崇的：

import torch.nn.init as init import的语句

def weights_init_classifier(m):
    classname = m.__class__.__name__#得到网络层次的名字，如Convtransposed2d
    if classname.find('Linear') != -1:#使用了find函数，如果不存在返回值为-1，所以让其不等于-1
        # init.normal(m.weight.data, std=0.001
        init.xavier_normal(m.weight.data, std=0.001)
        init.constant(m.bias.data, 0.0)

apply(fn)：将fn函数递归地应用到网络模型的每个子模型中，主要用在参数的初始化。

使用apply()时，需要先定义一个参数初始化的函数。

model=net（）

model.apply（weight_init）