首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >定义自定义变量pytorch张量

问定义自定义变量pytorch张量
EN

Stack Overflow用户
提问于 2020-01-29 12:38:41
回答 1查看 210关注 0票数 1

我有一个和这个类似的问题:

有一个(n1, n2)形式的输入向量,我想要一个f(n1, n2) = f(n2, n1)的模型。我希望这个模型是线性的。例如,我想学习的2x2矩阵。2x2矩阵有4个权重,训练将尝试学习这些权重。但是,这种限制可以巧妙地减少问题。作为nvec=(n1, n2),f(nvec) = W*nvec。因此,假设X = [[0, 1],[1, 0]]是一个反转向量的2x2矩阵,然后是f(n2,n1) = W*X*(n1, n2) = f(n1, n2) = W (n1, n2)。

基本上,等式意味着W*X = W,或者如果是W = [[w1, w2], [w3, w4]],那么等式意味着W = [[w1, w1], [w3, w3]],即矩阵只有2个自由参数。我如何在pytorch中定义这样的模型呢?

谢谢。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-01-29 14:21:18

如果您的参数具有特殊的结构,并且您不想使用由缺省层存储的缺省参数,则可以自行定义一个层并使用nn.Parameter存储参数。

例如,

代码语言:javascript
复制
class CustomLayer(nn.Module):  # layer must be derived from nn.Module class
  def __init__(self):  # you can have arguments here...
    super(CustomLayer, self).__init__()
    self.params = nn.Parameter(data=torch.rand((2, 1), dtype=torch.float), requires_grad=True)

  def forward(self, x):
    w = self.params.repeat(1, 2)  # create a 2x2 matrix from the two parameters
    y = torch.bmm(x, w)
    return y
票数 2
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/59960545

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