pytorch中Parameter函數(shù)怎么使用

這篇文章主要介紹了pytorch中Parameter函數(shù)怎么使用的相關(guān)知識，內(nèi)容詳細(xì)易懂，操作簡單快捷，具有一定借鑒價(jià)值，相信大家閱讀完這篇pytorch中Parameter函數(shù)怎么使用文章都會有所收獲，下面我們一起來看看吧。

用法介紹

pytorch中的Parameter函數(shù)可以對某個(gè)張量進(jìn)行參數(shù)化。它可以將不可訓(xùn)練的張量轉(zhuǎn)化為可訓(xùn)練的參數(shù)類型，同時(shí)將轉(zhuǎn)化后的張量綁定到模型可訓(xùn)練參數(shù)的列表中，當(dāng)更新模型的參數(shù)時(shí)一并將其更新。

torch.nn.parameter.Parameter

• data (Tensor)：表示需要參數(shù)化的張量

• requires_grad (bool, optional)：表示是否該張量是否需要梯度，默認(rèn)值為True

代碼介紹

 pytorch中的Parameter函數(shù)具體的代碼示例如下所示

import torch
import torch.nn as nn
class NeuralNetwork(nn.Module):
	def __init__(self, input_dim, output_dim):
		super(NeuralNetwork, self).__init__()
		self.linear = nn.Linear(input_dim, output_dim)
		self.linear.weight = torch.nn.Parameter(torch.zeros(input_dim, output_dim))
		self.linear.bias = torch.nn.Parameter(torch.ones(output_dim))
	def forward(self, input_array):
		output = self.linear(input_array)
		return output
if __name__ == '__main__':
	net = NeuralNetwork(4, 6)
	for param in net.parameters():
		print(param)

代碼的結(jié)果如下所示：

當(dāng)神經(jīng)網(wǎng)絡(luò)的參數(shù)不是用Parameter函數(shù)參數(shù)化直接賦值給權(quán)重參數(shù)時(shí)，則會報(bào)錯(cuò)，具體的程序

import torch
import torch.nn as nn
class NeuralNetwork(nn.Module):
	def __init__(self, input_dim, output_dim):
		super(NeuralNetwork, self).__init__()
		self.linear = nn.Linear(input_dim, output_dim)
		self.linear.weight = torch.zeros(input_dim, output_dim)
		self.linear.bias = torch.ones(output_dim)
	def forward(self, input_array):
		output = self.linear(input_array)
		return output
if __name__ == '__main__':
	net = NeuralNetwork(4, 6)
	for param in net.parameters():
		print(param)

代碼運(yùn)行報(bào)錯(cuò)結(jié)果如下所示:

關(guān)于“pytorch中Parameter函數(shù)怎么使用”這篇文章的內(nèi)容就介紹到這里，感謝各位的閱讀！相信大家對“pytorch中Parameter函數(shù)怎么使用”知識都有一定的了解，大家如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道。