Filtr závaží lze přistupovat pomocí weight
parametr Conv2d
objekt. Například,
>>> c = torch.nn.Conv2d(in_channels=2, out_channels=2, kernel_size=3)
>>> c.weight
Parameter containing:
tensor([[[[ 0.2156, 0.0930, -0.2319],
[ 0.1333, -0.0846, 0.1848],
[ 0.0765, -0.1799, -0.1273]],
[[ 0.1173, 0.1650, -0.0876],
[-0.1353, 0.0616, -0.1136],
[-0.2326, -0.1509, 0.0651]]],
[[[-0.2026, 0.2210, 0.0409],
[-0.0818, 0.0793, 0.1074],
[-0.1430, -0.0118, -0.2100]],
[[-0.2025, -0.0508, -0.1731],
[ 0.0217, -0.1616, 0.0702],
[ 0.1903, -0.1864, 0.1523]]]], requires_grad=True)
Váhy jsou inicializována ve výchozím nastavení tím, že odběr vzorků z rovnoměrného rozdělení. Můžete také inicializovat váhy pomocí různých váha inicializace režimů.
Pokud chcete ručně změnit závaží, můžete to udělat úpravou weight
parametr přímo. Například pro nastavení všech vah 1, použití,
>>> c.weight.data = torch.ones_like(c.weight)
>>> c.weight
Parameter containing:
tensor([[[[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]],
[[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]]],
[[[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]],
[[1., 1., 1.],
[1., 1., 1.],
[1., 1., 1.]]]], requires_grad=True)
Všimněte si, že během tréninku, konvoluční vrstvy jsou typicky součástí výpočetní graf, a jejich váhy se automaticky aktualizuje při backward()
volání.