pytorch get name

最新推荐文章于 2025-06-17 09:27:19 发布
最新推荐文章于 2025-06-17 09:27:19 发布
阅读量639 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： PyTorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/guotong1988/article/details/79771649 
import torch.nn as nn
a = nn.LSTM(3,3)
for name,v in a.named_parameters():
    print(name)

print结果：

weight_ih_l0
weight_hh_l0
bias_ih_l0
bias_hh_l0
PyTorch强化学习实战（1）——强化学习环境配置与PyTorch基础
盼小辉丶的博客
05-29 15万+
工欲善其事，必先利其器。为了更专注于学习强化学习的思想，而不必关注其底层的计算细节，我们首先搭建相关强化学习环境，包括 PyTorch 和 Gym，其中 PyTorch 是我们将要使用的主要深度学习框架，Gym 则提供了用于各种强化学习模拟和任务的环境。除此之外，本文还介绍了一些 PyTorch 的基础知识，以及 Gym 环境的使用方法，为之后的强化学习实战奠定基础。
pytorch
qq_51382761的博客
06-04 1549
如果在 .bashrc里面写的是cuda而不是具体的cuda-12.2的版本,自己感觉,不用改这个软链接。（不得不说，这里费了点事。看别人的博客，文件位置不一样，根本找不到，最后用find命令找的）去官网找到对应的CUDA版本，并选择自己的系统信息，根据下面的提示，输入终端命令行安装。再如果，时间太久了，考虑一下是不是可以换pip源。(这里忘记进入conda环境，安装失败了。但是这个我没试过是不是真的好用，没有等待下载完，直接停了，换了pip源下载更快一些。自言自语中：正确图片又传不了，网络问题。
PyTorch深度学习总结--13_Name_Classification
南方硅人的博客
01-09 994
PyTorch深度学习总结–13_Name_Classification 13_Name_Classification 任务介绍 根据名称，选出国家 使用模型 GRU，这里采用双向的GRU模型， 双向GRU的结构类似于下图，将RNNCell替换为GRUCell即可 输入： 两个hidden0，都是zeros形成的，输入的两个hidden需要拼接在一起 输出： 结果第一个是正向的hidden，第二个是反向的hidden 因为是双向的，所以会输出两个hidden 汉字的转化为Tensor 1、先将单词中
Pytorch实现标准RNN、LSTM和GRU
ZongXS的博客
07-05 1216
标准RNN 先给出标准RNN的示意图，如下图所示： 从图中可以看到在标准RNN的内部网络中，计算公式为：ht=tanh(wih∗xt+bih+whh∗ht−1+bhh)h_t=tanh(w_{ih}*x_t+b_{ih}+w_{hh}*h_{t-1}+b_{hh})ht​=tanh(wih​∗xt​+bih​+whh​∗ht−1​+bhh​) 在Pytorch中的调用也非常简单，只需nn.RNN()nn.RNN()nn.RNN()即可。 下面介绍其中的参数。 input_size表示输入xtx_txt​的
python中动态构建网络权重参数
最新发布
ssw09141324的专栏
06-17 229
设计一个N阶数字或模拟巴特沃斯滤波器
【Pytorch】读取model中的module和name
mjiansun的专栏
10-18 1万+
例一 from torchvision import models import torch from torch.autograd import Variable import cv2 import numpy as np x = cv2.imread(r"./examples/both.png")[:,:,(2,1,0)] x = np.transpose(x, (2, 0, 1)) ...
pytorch中GRU的前向推理过程复现
YellowYi的博客
08-18 1090
GRU 学习torch官方资料 # -*- coding: utf-8 -*- """ Created on Wed Aug 18 11:11:08 2021 @author: yihuang """ import torch.nn as nn import torch import torch.nn.functional as F rnn = nn.GRU(10, 10, 1) input = torch.randn(1, 3, 10) output, hn = rnn(input) #复现推理
PyTorch BiLSTM参数及packed形式的输出的组成
qq_27061325的博客
04-22 4632
先回忆一下LSTM，直接上pytorch官网的公式截图： 它可以处理变长序列，每个rnn cell参数是一样的，共享，就是上面列出的那些W..。这里需要说明的是，PyTorch里面将W_{i*}统一放到了'weight_ih_l0'变量，将W_{h*}统一放到了'weight_hh_l0'变量。 BiLSTM包含一个从左到右和一个从右到左的并列的的序列计算。需要注意的是，两个方向使用...
pytorch讲解（部分）
猛码Memmat
05-23 730
torch
YOLOV9的 Pytorch实现
02-26
在PyTorch框架中实现YOLOv9，意味着开发者可以利用PyTorch的强大功能，如动态计算图、自动微分和丰富的社区资源，来构建和训练这个复杂的模型。PyTorch提供了易于理解和调试的代码结构，使得YOLOv9的实现变得更加...
玩转pytorch和tensorflow之(4)——GRU
geastwind1的专栏
08-08 769
而pytorch的GRU则有weight_ih_l0，weight_hh_l0，bias_ih_l0，bias_hh_l0这4组参数。你需要把kernel,recurrent_kernel,bias转换到weight_ih_l0，weight_hh_l0，bias_ih_l0，bias_hh_l0上去。OK，你已经有了一个GRU模块，tensorflow下训练的，现在你想用训练好的GRU模型的参数在pytorch环境中来做推理。3)由bias_ih_l0，bias_hh_l0得到bias。
Pytorch-LSTM输入输出参数
yilulvxing的博客
08-01 7310
1：Pytorch中的LSTM中输入输出参数 nn.lstm是继承nn.RNNBase，初始化的定义如下： class RNNBase(Module): ... def __init__(self, mode, input_size, hidden_size, num_layers=1, bias=True, batch_first=False, dropout=0., bidirectional=False): ...
pytorch笔记：named_parameters
qq_40206371的博客
06-26 850
可以使用。
【PyTorch】torch.nn.LSTM类中的成员变量_flat_weights_names：权重的名称列表
彬彬侠的博客
02-24 594
torch.nn.LSTM对象中的_flat_weights_names是一个内部变量，用于存储LSTM层中所有权重的名称列表。这个变量并不是用户直接使用的API，但它对于PyTorch的内部实现非常重要，特别是在权重管理和参数的组织上。如果想初始化参数的权重，可以配合_parameters属性使用
【NLP】LSTM理解（Pytorch实现）
myaijarvis notebook
05-03 2255
【参考：详解LSTM - 知乎】 手动实现 【参考：30、PyTorch LSTM和LSTMP的原理及其手写复现_哔哩哔哩_bilibili】 单层单向 【参考：30 - LSTM,LSTMP手撸代码_取个名字真难呐的博客-优快云博客】 import torch from torch import nn torch.manual_seed(0) # 设置随机种子，随机函数生成的结果会相同 batch_size = 2 # 批次大小 seq_len = 3 # 输入序列长度 input_siz
PyTorch 多层双向LSTM输入、输出、隐藏状态、权重、偏置的维度分析
yexuejianghan的博客
07-01 7238
导包 import torch.nn as nn import torch 输入数据 # 时间步为5 批量大小为3 特征维度为10 input = torch.randn(5, 3, 10) 创建LSTM # 输入特征维度为10 输出特征维度为20 2层 双向 LSTM rnn = nn.LSTM(10, 20, 2, bidirectional=True) 初始化隐藏状态 # h0[0]：第一层正向初始时间步隐藏状态（时间步1） # h0[1]：第一层反向初始时间步隐藏状态（时间步5
NNDL 实验七 循环神经网络（3）LSTM的记忆能力实验
m0_51236133的博客
12-03 548
实验
【pytorch】named_parameters()和parameters()
热门推荐
Hana
10-24 3万+
nn.Module nn.Module里面关于参数有两个很重要的属性，分别是named_parameters()和parameters()，前者给出网络层的名字和参数的迭代器，而后者仅仅是参数的迭代器。 import torchvision.models as models model = models.resnet18() for param in model.named_parameters(...
配置 pytorch
03-28
访问官方页面 https://pytorch.org/get-started/locally/ 可获取最新的安装指令。通常情况下，对于支持 CUDA 的 GPU 加速计算设备，推荐使用以下命令完成安装: ```bash conda install pytorch torchvision ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

-Love-Coding-

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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