包括

Question

如果我定义std::vector<torch::nn::Linear> linear_layers;并用一些torch::nn::Linear对象填充此向量，那么我可以通过weight和{{ 1}}。其他图层类型（例如bias）可以使用相同的功能。

如果使用linear_layers[k].weight创建我的网络，然后向后推linear_layers[k].bias或torch::nn::Conv2d，则无法直接访问nn::sequential和Linear。现在，我的问题是使用Conv2d后如何访问每个图层的权重和偏差值？

谢谢，苦参碱

Answer 1

这是灵魂：[请参见链接https://discuss.pytorch.org/t/common-class-of-linear-conv-etc/39987/8]

包括

使用命名空间火炬；使用名称空间torch :: nn;

int main（） { 自动网络=顺序（Conv2d（1 / / 输入通道 /，1 / 输出通道 /，2 / 内核大小 /）， Conv2d（1，1，2））;

for (auto& p : net->named_parameters()) {

    NoGradGuard no_grad;

    // Access name.
    std::cout << p.key() << std::endl;

    // Access weigth and bias.
    p.value().zero_(); // set all zero
    std::cout << p.value() << std::endl;
}

return 0;
}

顺序的图层具有以下命名约定：查看控制台输出

0.weight # name of the layer
(1,1,.,.) = 
  0  0
  0  0
[ Variable[CPUFloatType]{1,1,2,2} ]
0.bias
 0
[ Variable[CPUFloatType]{1} ]
1.weight
(1,1,.,.) = 
  0  0
  0  0
[ Variable[CPUFloatType]{1,1,2,2} ]
1.bias
 0
[ Variable[CPUFloatType]{1} ]

使用nn :: sequential访问权重和偏差

1 个答案:

包括