Skip to content

  • 体验新版
    • 正在加载...
  • 登录
  • PaddlePaddle
  • Paddle
  • Issue
  • #26417

P
Paddle
  • 项目概览

PaddlePaddle / Paddle
大约 2 年 前同步成功

通知 2325
Star 20933
Fork 5424
  • 代码
    • 文件
    • 提交
    • 分支
    • Tags
    • 贡献者
    • 分支图
    • Diff
  • Issue 1423
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 543
  • Wiki 0
    • Wiki
  • 分析
    • 仓库
    • DevOps
  • 项目成员
  • Pages
P
Paddle
  • 项目概览
    • 项目概览
    • 详情
    • 发布
  • 仓库
    • 仓库
    • 文件
    • 提交
    • 分支
    • 标签
    • 贡献者
    • 分支图
    • 比较
  • Issue 1,423
    • Issue 1,423
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 543
    • 合并请求 543
  • Pages
  • 分析
    • 分析
    • 仓库分析
    • DevOps
  • Wiki 0
    • Wiki
  • 成员
    • 成员
  • 收起侧边栏
  • 动态
  • 分支图
  • 创建新Issue
  • 提交
  • Issue看板
已关闭
开放中
Opened 8月 19, 2020 by saxon_zh@saxon_zhGuest

【论文复现】如何快速初始化CNN参数?

Created by: kgkzhiwen

假设我在网络里定义了一堆CNN,现在我需要为它们设定kaiming初始值,我知道我可以在每一行定义中加入类似 params_attr=fluid.initalizer.MSRA() 来实现目的。当CCN层太多的时候,这种方法就很麻烦,而且也不利于后续的改动,比如我要试试xavier初始值,我要一行一行的再改回来。因此我想知道怎么样用代码去跑一个循环来实现设定初始值的目的?

class Test(fluid.dygraph.Layer):
    def __init__(self, name_scope):
        super(Test, self).__init__(name_scope)
        self.convT1=Conv2D(num_channels=100, num_filters=1024, filter_size=4) 

        self.convT2=Conv2D(num_channels=1024, num_filters=512, filter_size=5) 

        self.convT3=Conv2D(num_channels=512, num_filters=256, filter_size=5,stride=2,padding=2,output_size=16) 
      
        self.convT4=Conv2D(num_channels=256, num_filters=128, filter_size=5,stride=2,padding=2,output_size=32) 

        self.convT5=Conv2D(num_channels=128, num_filters=1, filter_size=5,padding=4,act='tanh') 
        ......
指派人
分配到
无
里程碑
无
分配里程碑
工时统计
无
截止日期
无
标识: paddlepaddle/Paddle#26417
渝ICP备2023009037号

京公网安备11010502055752号

网络110报警服务 Powered by GitLab CE v13.7
开源知识
Git 入门 Pro Git 电子书 在线学 Git
Markdown 基础入门 IT 技术知识开源图谱
帮助
使用手册 反馈建议 博客
《GitCode 隐私声明》 《GitCode 服务条款》 关于GitCode
Powered by GitLab CE v13.7