自适应参数和为1

class GParam(nn.Module):
    def __init__(self):
        super(GParam, self).__init__()
        # self.length = 3
        self.weight = nn.Parameter(torch.ones(3),requires_grad=True)

    def forward(self, x):
        weight = F.softmax(self.weight, 0)  
        s = 0
        for i in range(len(weight)):
            s += x[i] * weight[i]
        return s  

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值