首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >PyTorch中参数与张量的区别

问PyTorch中参数与张量的区别
EN

Stack Overflow用户
提问于 2019-06-22 01:56:53
回答 1查看 3.1K关注 0票数 6

我想知道PyTorch参数和张量有什么不同?

现有的answer是针对使用变量的旧PyTorch的吗?

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2019-06-22 02:14:14

这就是一张图片中Parameter类(附带的)的全部思想。

​

​

因为它是Tensor的子类,所以它是张量。

但是有一个诀窍。模块内的参数将添加到模块参数列表中。如果你的模块是m,m.parameters()将保存你的参数。

示例如下:

代码语言:javascript
复制
class M(nn.Module):
    def __init__(self):
        super().__init__()
        self.weights = nn.Parameter(torch.randn(2, 2))
        self.bias = nn.Parameter(torch.zeros(2))

    def forward(self, x):
        return x @ self.weights + self.bias

m=M()
m.parameters()
list(m.parameters())

---

[Parameter containing:
 tensor([[ 0.5527,  0.7096],
         [-0.2345, -1.2346]], requires_grad=True), Parameter containing:
 tensor([0., 0.], requires_grad=True)]

您可以看到参数将如何显示我们定义的内容。如果我们只是在类中添加一个张量,比如self.t = Tensor,它将不会显示在参数列表中。从字面上看就是这样。没什么花哨的。

票数 7
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/56708367

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档