池州市建设管理处网站,商城型网站开发网站建设,苏州保洁公司哪家最好最便宜,h5在线制作免费版分类目录#xff1a;《深入浅出Pytorch函数》总目录 相关文章#xff1a; 深入浅出Pytorch函数——torch.nn.init.calculate_gain 深入浅出Pytorch函数——torch.nn.init.uniform_ 深入浅出Pytorch函数——torch.nn.init.normal_ 深入浅出Pytorch函数——torch.nn.init.c…分类目录《深入浅出Pytorch函数》总目录 相关文章 · 深入浅出Pytorch函数——torch.nn.init.calculate_gain · 深入浅出Pytorch函数——torch.nn.init.uniform_ · 深入浅出Pytorch函数——torch.nn.init.normal_ · 深入浅出Pytorch函数——torch.nn.init.constant_ · 深入浅出Pytorch函数——torch.nn.init.ones_ · 深入浅出Pytorch函数——torch.nn.init.zeros_ · 深入浅出Pytorch函数——torch.nn.init.eye_ · 深入浅出Pytorch函数——torch.nn.init.dirac_ · 深入浅出Pytorch函数——torch.nn.init.xavier_uniform_ · 深入浅出Pytorch函数——torch.nn.init.xavier_normal_ · 深入浅出Pytorch函数——torch.nn.init.kaiming_uniform_ · 深入浅出Pytorch函数——torch.nn.init.kaiming_normal_ · 深入浅出Pytorch函数——torch.nn.init.trunc_normal_ · 深入浅出Pytorch函数——torch.nn.init.orthogonal_ · 深入浅出Pytorch函数——torch.nn.init.sparse_ torch.nn.init模块中的所有函数都用于初始化神经网络参数因此它们都在torc.no_grad()模式下运行autograd不会将其考虑在内。
该函数从均匀分布 U ( a , b ) U(a, b) U(a,b)中生成值填充输入的张量或变量
语法
torch.nn.init.uniform_(tensor, a0.0, b1.0)参数
tensor[Tensor] 一个 N N N维张量torch.Tensora[float] 均匀分布的下界b[float] 均匀分布的上界
返回值
一个torch.Tensor且参数tensor也会更新
实例
w torch.empty(3, 5)
nn.init.uniform_(w)函数实现
def uniform_(tensor: Tensor, a: float 0., b: float 1.) - Tensor:rFills the input Tensor with values drawn from the uniformdistribution :math:\mathcal{U}(a, b).Args:tensor: an n-dimensional torch.Tensora: the lower bound of the uniform distributionb: the upper bound of the uniform distributionExamples: w torch.empty(3, 5) nn.init.uniform_(w)if torch.overrides.has_torch_function_variadic(tensor):return torch.overrides.handle_torch_function(uniform_, (tensor,), tensortensor, aa, bb)return _no_grad_uniform_(tensor, a, b)
