Question

我试图找到答案，但是找不到。

我使用pytorch创建了一个自定义的深度学习模型。例如，

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()

        self.nn_layers = nn.ModuleList()
        self.layer = nn.Linear(2,3).double()
        torch.nn.init.xavier_normal_(self.layer.weight)

        self.bias = torch.nn.Parameter(torch.randn(3))

        self.nn_layers.append(self.layer)

    def forward(self, x):
        activation = torch.tanh
        output = activation(self.layer(x)) + self.bias

        return output

如果我打印

model = Net()
print(list(model.parameters()))

它不包含model.bias，因此 Optimizer = Optimizer.Adam（model.parameters（））不会更新model.bias。我该如何处理？谢谢！

Answer 1

您需要register您的参数：

self.register_parameter(name='bias', param=torch.nn.Parameter(torch.randn(3)))

如何在pytorch自定义模型的模块类中添加参数？

1 个答案: