在 pytorch 中分配自定义权重

Question

我正在尝试为我的 PyTorch 模型分配一些自定义权重，但它无法正常工作。

class Mod(nn.Module):
    def __init__(self):
        super(Mod, self).__init__()
        
        self.linear = nn.Sequential(
            nn.Linear(1, 5)
        )
    def forward(self, x):
        x = self.linear(x)
        return x
mod = Mod()

mod.linear.weight = torch.tensor([1. ,2. ,3. ,4. ,5.], requires_grad=True)
mod.linear.bias = torch.nn.Parameter(torch.tensor(0., requires_grad=True))

print(mod.linear.weight)
>>> tensor([1., 2., 3., 4., 5.], requires_grad=True)

output = mod(torch.ones(1))
print(output)
>>> tensor([ 0.2657,  0.3220, -0.0726, -1.6987,  0.3945], grad_fn=<AddBackward0>)

预期输出为 [1., 2., 3., 4., 5.] 但它没有按预期工作。我在这里错过了什么？

Answer 1

您没有在正确的地方更新权重。您的 self.linear 不是一个 nn.Linear 层，而是一个 nn.Sequential 容器。您的 nn.Linear 是顺序中的第一层。要访问它，您需要索引 self.linear:

with torch.no_grad():
  mod.linear[0].weight.data = torch.tensor([1. ,2. ,3. ,4. ,5.], requires_grad=True)[:, None]
  mod.linear[0].bias.data = torch.zeros((5, ), requires_grad=True)  # bias is not a scalar here

在 pytorch 中分配自定义权重

Assign custom weight in pytorch

machine-learning

deep-learning

torch

data-science

pytorch