《PyTorch笔记》

NN初始化

https://github.com/TingsongYu/PyTorch_Tutorial

PDF

PyTorch 学习笔记(四):权值初始化的十种方法

十种方法

 --> 正交初始化?conjugate?L1 正则初始化选择?

kaiming:“方差一致性” --> 每一步都保证稀疏,类似 LP 进基出基?

第二章2.3  模型finetune:—— map、filter 函数的使用值得借鉴

id() 函数返回对象的唯一标识符,标识符是一个整数。

CPython 中 id() 函数用于获取对象的内存地址。

# 将fc3层的参数从原始网络参数中剔除
ignored_params = list(map(id, net.fc3.parameters()))
base_params = filter(lambda p: id(p) not in ignored_params, net.parameters())

# 为fc3层设置需要的学习率
optimizer = optim.SGD([
{'params': base_params},
{'params': net.fc3.parameters(), 'lr': lr_init*10}], lr_init, momentum=0.9, weight_decay=1e-4)


PyTorch的hook及其在Grad-CAM中的应用

PyTorch 学习笔记(八):PyTorch的六个学习率调整方法

PyTorch 学习笔记(七):PyTorch的十个优化器

PyTorch 学习笔记(六):PyTorch的十八个损失函数

PyTorch 学习笔记(五):Finetune和各层定制学习率

PyTorch 学习笔记(四):权值初始化的十种方法

PyTorch 学习笔记(三):transforms的二十二个方法

PyTorch 学习笔记(二):PyTorch的数据增强与数据标准化

PyTorch 学习笔记(一):让PyTorch读取你的数据集

原文地址:https://www.cnblogs.com/cx2016/p/13098380.html