PyTorch:如何编写只返回权重的神经网络？_如何在pytorch中改变神经网络的权重_如何加载预先训练好的pytorch权重 - 腾讯云开发者社区

python、neural-network、pytorch

我正在训练一个神经网络，它学习一些权重，并基于这些权重计算转换，生成与权重相结合的预测模型。我的网络没有正确地学习，因此我编写了一个不同的网络，它除了返回独立于输入x的权重之外什么也不做(在使用softmax和transpose进行归一化之后)。这样，我想找出问题是存在于网络还是存在于网络之外的转换估计中。但这不管用。这就是我得到的。我该如何解决

浏览 12提问于2019-09-18得票数 1

回答已采纳

1回答

火炬传递中的暹罗神经网络

python、pytorch

如何在PyTorch中实现暹罗神经网络？

浏览 5提问于2018-12-16得票数 5

回答已采纳

1回答

pytorch仅调整丢失数据的某些权重

networking、tensorflow、pytorch

我正在为一个经常遇到丢失数据的模型编写代码。pytorch (或tensorflow，因为我还没有写代码，所以也没问题)中有没有一个选项可以只计算/更新现有数据的梯度和权重？实际上，这是从一个最大的神经网络中提取一个较小的神经网络。

浏览 0提问于2018-04-10得票数 0

1回答

Pytorch负载模型

conv-neural-network、pytorch

使用固定权重构建卷积层很简单，只需将权重内核传递给conv2d()即可。并且可以方便地加载预先训练好的模型，如VGG19。但我发现使用pytorch不是这样的，因为conv2d()不接受显式的内核，而是接受内核大小。所以我想知道，我们是否可以通过简单地将权重传递给像conv2d()这样的方法来重用VGG19中的权重。

浏览 4提问于2017-09-18得票数 1

1回答

如何从有向图实现PyTorch NN

python-3.x、neural-network、pytorch

我是Pytorch的新手，也是自学的新手，我想创建一个接受有向图的ANN。我还希望将每个连接的预定义权重和偏差传递给它，但现在愿意忽略它。我对这些条件的动机是，我正在尝试实现NEAT算法，该算法基本上是使用遗传算法来进化网络。我想的代码是： class Net(torch.nn.Module): super(Net, self).= 0:

浏览 12提问于2020-03-10得票数 1

2回答

什么是第一次初始化重量在喷炬卷积层

python、neural-network、conv-neural-network、pytorch

学习在您所使用的代码中，您已经显式地设置了过滤器权重的值，但是神经网络在对一组图像数据进行训练时实际上将学习最佳的过滤器权重。在本节的后面，您将了解到这类神经网络的所有情况，但您知道高通和低通过滤器是定义这种网络行为的原因，并且您知道如何从零开始编写这些代码！在实践中，您还会发现许多神经网络学习检测图像的边缘，因为对象的边缘包

浏览 2提问于2018-12-31得票数 1

回答已采纳

2回答

pyTorch中的矩阵乘法

python、neural-network、pytorch、activation-function

我正在用pyTorch编写一个简单的神经网络，其中的特征和权重都是(1，5)张量。我在下面提到的这两种方法有什么不同？

浏览 2提问于2018-11-27得票数 4

回答已采纳

1回答

A2C中的梯度计算

tensorflow、pytorch、reinforcement-learning

在A2C中，参与者和评论家算法通过方程更新权重：θ=θ+α*δ*Grad(log(PI(a_s，θ))和所以我的问题是，当使用神经网络实现这一点时，谢谢，乔恩

浏览 2提问于2020-01-27得票数 0

回答已采纳

1回答

PyTorch如何在只有标量损失的情况下训练神经网络？

python、machine-learning、deep-learning、neural-network

假设我们有一个NN，我们想要训练它来预测输入中的3个值。我们有一组训练数据：目标呢？如果pytorch只计算一个标量作为损失函数，它如何进行训练？为什么它无法计算与每个输出神经元相关的损失？例如，如果x_train的答案是(20，32，0.12)，我们不想更新与答案(25，37，0.12)相同的权重，对吗？但在这种情况下，使用pytorch<

浏览 15提问于2021-02-28得票数 0

回答已采纳

1回答

我是第一次接触神经网络/PyTorch。我正在尝试制作一个网络，它接受一个矢量x，第一层是h_j = w_j^T * x + b_j，输出是max_j{h_j}。唯一的问题是，我希望通过w_j = S(k*a_j)将w_j限制在0和1之间，其中S是sigmoid函数，k是某个常数，a_j是实际的权重变量(w_j只是a_j的函数)。我如何在PyTorch中做到这一点？我不能只使用torch.nn.Linear层，必须在

浏览 62提问于2019-05-30得票数 1

回答已采纳

1回答

使用归一化的权重创建一个简单的PyTorch神经网络

neural-network、pytorch

我想创建一个简单的PyTorch神经网络，它的权重之和等于1。为了理解我的问题，这里给出一个例子： ? 

浏览 31提问于2021-09-07得票数 0

回答已采纳

2回答

pytorch attention seq2seq教程中的错误？

pytorch、seq2seq

我正在用Pytorch编写序列神经网络的序列。在official Pytorch seq2seq tutorial中，有一个注意力解码器的代码，我不能理解/认为可能包含错误。它通过连接输出和此时的隐藏状态来计算每个时间步的注意力权重，然后乘以一个矩阵，得到一个大小等于输出序列长度的向量。注意，这些注意力权重不依赖于编码器序列(在代码中命名为encoder_outputs )，我认为它应该依

浏览 37提问于2019-05-03得票数 1

1回答

如何在PyTorch中检查所有梯度权重是否为零？

python、pytorch

我想知道如何检查所有PyTorch神经网络梯度权重，看看它们是否为零，是否继续训练。这可能看起来像，但它实际上是解决陷入局部极小值问题的另一种方法。我不知道我应该添加什么代码，因为这似乎是一个一般性的问题，我甚至不知道如何在PyTorch中访问梯度张量。

浏览 15提问于2021-05-26得票数 0

2回答

使用torch.no_grad()的目的是什么：

python、machine-learning、pytorch、linear-regression、gradient

考虑使用PyTorch实现线性回归的下列代码： print(f'epoch {epoch+1}: w = {w.item():.3f}, loss = {l.item():.8f}') “with”块是做什么的？W的requires_grad参数已经设置为True。为什么会把它放在with torch.no_grad()块下呢？

浏览 27提问于2022-06-05得票数 4

1回答

加权均值和方差的更新

neural-network、pytorch、probability、bayesian、weight-initialization

我试着从论文神经网络中的权重不确定性的反推算法来理解贝叶斯，其思想是建立一个神经网络，其中每个权重都有它自己的概率分布。我明白这一理论，但我不明白如何更新学习部分的均值和方差。我在Pytorch中找到了一个代码，它简单地做到了：def __init__(self, in_features, out_featuresout_features, in_f

浏览 0提问于2021-04-14得票数 1

1回答

我该如何在火炬中保存模型重量？

tensorflow、pytorch

### Create / load model model = torchvision.models.detection.fasterrcnn_resnet50_fpn(pretrained=True)in_features = model.roi_heads.box_predictor.cls_score.in_features # replace the pre-tr

浏览 0提问于2021-05-18得票数 2

1回答

Pytorch -如何提取MLP网络的特征(权重，偏差，节点数，隐藏层)？

python、machine-learning、neural-network、artificial-intelligence、pytorch

我有兴趣从pytorch中内置的MLP/神经网络中提取权重、偏差、节点数量和隐藏层数量。我想知道有没有人能给我指个方向？最大值

浏览 1提问于2019-10-04得票数 0

1回答

为PyTorch的交叉熵损失添加权重参数会导致数据类型RuntimeError

pytorch

我目前正在使用PyTorch来训练神经网络。我使用的数据集是一个具有大量0的二进制分类数据集。我决定尝试使用PyTorch的交叉熵损失的weight参数.通过sklearn.utils.class_weight.compute_class_weight计算权重，得到[0.58479532, 3.44827586]的权重值。我正在输入的输出和标签分别为float32和int64类型。损失很好，但是当我

浏览 6提问于2022-05-27得票数 0

1回答

多个数据集的批规范化？

deep-learning、dataset、pytorch、data-augmentation、batch-normalization

我正在做一个生成合成数据的任务，以帮助我的模型的培训。这意味着训练是在合成+真实数据上进行的，并在真实数据上进行测试。我被告知，批量归一化层可能试图在训练时找到对所有人都有好处的权重，这是一个问题，因为我的合成数据的分布并不完全等于实际数据的分布。因此，我们的想法是拥有不同的批次归一化层的权重的“副本”。因此，神经网络可以对合成

浏览 0提问于2021-07-29得票数 0

1回答

如何在训练神经网络时节省中间权值

pointers、pytorch

我正在用pytorch训练一个神经网络，我想在每一次迭代中保存权重。换句话说，我想要创建一个列表，其中包含了神经网络在训练过程中拥有的所有权重。weight = model.fc2.weight.detach().numpy()然后，当我打印列表‘When _ list’的条目时，我注意到它们都是相同的，这不可能是真的，因为我已经在培训期间打印了权重，并且它们确实发生了变化(而网络实际

浏览 2提问于2019-11-08得票数 1

回答已采纳

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云