模型权重初始化并非小随机数，使用的是kaiming初始化

Aperta
#5 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
1/5
Tempo stimato
Meno di un'ora
Idoneità per principianti
45/100
Tipo di issue
Documentazione
Chiarezza
Specificata chiaramente
Stato di attività
Ferma
Stack tecnologico
python
Ambito
documentation

Direzione di ricerca

Review page 26 of the tutorial and compare its wording with the linked PyTorch conv.py source at the referenced lines. Update the explanation of Conv2d weight initialization to match the cited Kaiming initialization behavior, then check that the surrounding text remains accurate.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

0.0.4版本第26页处，您写道：

其实，在创建网络实例的过程中, 一旦调用 nn.Conv2d 的时候就会有对权值进行初始化
Conv2d 是继承_ConvNd，初始化赋值是在_ConvNd当中，这些值是创建一个 Tensor 时得到的，是一些很小的随机数。

实际上，并非如此，在pytorch源码中使用的是kaiming初始化，也就是说，pytorch的模型权值初始化不是很小的随机数。

参见：
https://github.com/pytorch/pytorch/blob/6e453e56f991d43ff9d0eac715020b7ef877ca77/torch/nn/modules/conv.py#L43

https://github.com/pytorch/pytorch/blob/6e453e56f991d43ff9d0eac715020b7ef877ca77/torch/nn/modules/conv.py#L45

Lingua principale
Python
Stelle
8k
Fork
1.7k
Nessuna PR unita negli ultimi 30g

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di TingsongYu/PyTorch_Tutorial

Tutte le issue di TingsongYu/PyTorch_Tutorial

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.