卷积核权值初始化_CNN怎么自定义卷积核初始值？

诶呦，光热心了。问题没理解清楚。是卷积核初始化。不是网络初始化。卷积核初始化我也没做过。文档是这样写的。

ParamAttr¶

class paddle.fluid.ParamAttr(name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, gradient_clip=None, do_model_average=False)[源代码]¶

创建一个参数属性对象，用户可设置参数的名称、初始化方式、学习率、正则化规则、是否需要训练、梯度裁剪方式、是否做模型平均等属性。

参数:

name (str，可选) - 参数的名称。默认值为None，表示框架自动创建参数的名称。

initializer (Initializer，可选) - 参数的初始化方式。默认值为None，表示权重参数采用Xavier初始化方式，偏置参数采用全0初始化方式。

learning_rate (float) - 参数的学习率。实际参数的学习率等于全局学习率乘以参数的学习率，再乘以learning rate schedule的系数。

regularizer (WeightDecayRegularizer，可选) - 正则化因子。默认值为None，表示没有正则化因子。

trainable (bool) - 参数是否需要训练。默认值为True，表示需要训练。

gradient_clip (BaseGradientClipAttr，可选) - 梯度裁剪方式。默认值为None，表示不需要梯度裁剪。

do_model_average (bool) - 是否做模型平均。默认值为False，表示不做模型平均。

返回: 表示参数属性的对象。

返回类型: ParamAttr

代码示例