开县网站建设天津百度推广电话

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$U(a,b)$中生成值，填充输入的张量或变量

语法

torch.nn.init.uniform_(tensor, a=0.0, b=1.0)

参数

• tensor：[Tensor] 一个$N$维张量torch.Tensor
• a：[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:r"""Fills the input Tensor with values drawn from the uniformdistribution :math:`\mathcal{U}(a, b)`.Args:tensor: an n-dimensional `torch.Tensor`a: 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,), tensor=tensor, a=a, b=b)return _no_grad_uniform_(tensor, a, b)