评价此页

torch.nn.utils.weight_norm#

torch.nn.utils.weight_norm(module, name='weight', dim=0)[source]#

对给定模块中的参数应用权重归一化。

w=gvv\mathbf{w} = g \dfrac{\mathbf{v}}{\|\mathbf{v}\|}

权重归一化是一种重参数化技术,它将权重张量的幅度与其方向解耦。这会用两个参数替换由 name 指定的参数(例如 'weight'):一个指定幅度(例如 'weight_g'),另一个指定方向(例如 'weight_v')。权重归一化通过一个钩子实现,该钩子在每次 forward() 调用之前重新计算权重张量(由幅度和方向得出)。

默认情况下,当 dim=0 时,范数独立计算每个输出通道/平面。要计算整个权重张量的范数,请使用 dim=None

参见 https://arxiv.org/abs/1602.07868

警告

此函数已弃用。请使用 torch.nn.utils.parametrizations.weight_norm(),它使用了现代的参数化 API。新的 weight_norm 与旧 weight_norm 生成的 state_dict 兼容。

迁移指南

参数
  • module (Module) – 包含的模块

  • name (str, optional) – 权重参数的名称

  • dim (int, optional) – 计算范数的维度

返回

原始模块(带有权重归一化钩子)

返回类型

T_module

示例

>>> m = weight_norm(nn.Linear(20, 40), name='weight')
>>> m
Linear(in_features=20, out_features=40, bias=True)
>>> m.weight_g.size()
torch.Size([40, 1])
>>> m.weight_v.size()
torch.Size([40, 20])