了解網路模型的引數

2021-10-12 02:14:44 字數 1194 閱讀 7456

1、列印網路每層輸出的大小

import torch

import torch.nn as nn

from torchsummary import summary

class net(nn.module):

def __init__(self):

super(net, self).__init__()

self.fc1 = nn.linear(10, 5)

self.fc2 = nn.linear(5, 10)

def forward(self, x):

x1 = torch.relu(self.fc1(x))

x2 = self.fc2(x1)

return x1, x2

model = net()

summary(model, input_size=(3, 20, 10))

# print(model)

2、輸出每個引數矩陣的名稱(nn.module裡面關於引數有兩個很重要的屬性named_parameters()和parameters(),前者給出網路層的名字和引數的迭代器,而後者僅僅是引數的迭代器。)

for param in model.named_parameters():

print(param[0]) # 輸出引數名稱

3、輸出具體的網路引數值

paras = list(model.parameters())

for num,para in enumerate(paras):

print('number:',num)

print(para)

print('_____________________________')

4、

mm = nn.linear(3, 4)

for param in mm.parameters():

print(type(param), type(param.data), param.size(), param.requires_grad)

print(mm.parameters())

the cosole output:

torch.size([4, 3]) true

torch.size([4]) true

模型引數與模型超引數

模型引數是模型內部的配置變數,其值可以根據資料進行估計。模型在進行 時需要它們。它們的值定義了可使用的模型。他們是從資料估計或獲悉的。它們通常不由程式設計者手動設定。他們通常被儲存為學習模型的一部分。引數是機器學習演算法的關鍵。它們通常由過去的訓練資料中總結得出。在經典的機器學習文獻中,我們可以將模...

了解物件模型的健康

rozlog所述,這也是很重要的物件 的健康得到理解。最快的方式做到這一點是執行軟體度量 他說。指標給你 的建設和強度以及弱或有問題的點的資訊。從結構的角度來看,一旦開發人員了解健康的 他們可以去發現問題,可能會導致錯誤,錯誤或誤解前進。rozlog說,一些軟體的考古工具,包括 審計,發現幾十個可能...

網路的簡單了解

什麼是網際網路呢?網際網路就是乙個超大型網路,指的是世界範圍內所有與網路相連線的裝置,包括不僅限於pc端,伺服器端,手機端,例如人們日常生活中常見的一些裝置,如 各個品牌的手環 手錶 空調 冰箱 電視 汽車 機械人 自動化裝置等通過不同的方式與網路相連線,從而組成了網際網路。我們平時怎麼上網呢?通過...