[英]How can I extract the weight and bias of Linear layers in PyTorch?
在model.state_dict()
model.parameters()
和model.named_parameters()
的重量和的偏差nn.Linear()
模塊分開容納,當量fc1.weight
和fc1.bias
。 有沒有一種簡單的pythonic方法來獲得它們?
預期示例與此類似:
layer = model['fc1']
print(layer.weight)
print(layer.bias)
從完整模型來看,沒有。 沒有。 但是您可以獲得該特定Module
的state_dict()
,然后您將擁有一個帶有weight
和bias
dict
:
import torch
m = torch.nn.Linear(3, 5) # arbitrary values
l = m.state_dict()
print(l['weight'])
print(l['bias'])
您的代碼中的等效項是:
layer = model.fc1.state_dict()
print(layer['weight'])
print(layer['bias'])
從圖層中提取值。
layer = model['fc1']
print(layer.weight.data[0])
print(layer.bias.data[0])
您可以使用要提取的神經元值而不是 0 索引。
>> nn.Linear(2,3).weight.data
tensor([[-0.4304, 0.4926],
[ 0.0541, 0.2832],
[-0.4530, -0.3752]])
您可以為模型中的每個線性層恢復命名參數,如下所示:
from torch import nn
for layer in model.children():
if isinstance(layer, nn.Linear):
print(layer.state_dict()['weight'])
print(layer.state_dict()['bias'])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.