在PyTorch中,可以通过定义一个函数来初始化模型的权重。以下是一个示例代码:
import torch
import torch.nn as nn
def init_weights(m):
if type(m) == nn.Linear or type(m) == nn.Conv2d:
nn.init.xavier_uniform_(m.weight)
nn.init.zeros_(m.bias)
# 定义模型
model = nn.Sequential(
nn.Conv2d(3, 64, kernel_size=3),
nn.ReLU(),
nn.Linear(64*28*28, 10)
)
# 初始化模型权重
model.apply(init_weights)
在上面的代码中,定义了一个init_weights
函数,该函数根据模型的类型对权重进行初始化。然后通过调用model.apply(init_weights)
来初始化模型的权重。这样就可以保证模型的权重被正确地初始化。
辰迅云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
推荐阅读: PyTorch模型训练怎样优化超参数