在 PyTorch 中，默认情况下如何初始化层权重和偏差？答案

【问题标题】：In PyTorch how are layer weights and biases initialized by default?在 PyTorch 中，默认情况下如何初始化层权重和偏差？
【发布时间】：2018-07-09 19:44:55
【问题描述】：

我想知道默认情况下如何初始化层权重和偏差？例如。如果我创建线性层火炬.nn.线性（5,100）默认情况下，该层的权重和偏差是如何初始化的？

【问题讨论】：

标签： python deep-learning pytorch

【解决方案1】：

PyTorch 1.0

大多数层都是使用Kaiming Uniform 方法初始化的。示例层包括线性、Conv2d、RNN 等。如果您使用其他层，您应该在 this doc 上查找该层。如果它说权重是使用U(...) 初始化的，那么它的 Kaiming Uniform 方法。偏差使用LeCunn init 初始化，即uniform(-std, std)，其中标准差std 为1/sqrt(fan_in) (code)。

PyTorch 0.4.1、0.3.1

权重和偏差使用LeCunn init（参见第 4.6 节）对卷积层（代码：0.3.1、0.4.1）进行初始化。

如果你想覆盖默认初始化，那么see this answer。

【讨论】：

这有改变吗？我的意思是，到目前为止，Pytorch 0.3 不是这种情况吗？
是的，这在 1.0 中已更改。我已经更新了答案。

【解决方案2】：

权重按以下方式初始化：

def reset_parameters(self):
    stdv = 1. / math.sqrt(self.weight.size(1))
    self.weight.data.uniform_(-stdv, stdv)
    if self.bias is not None:
        self.bias.data.uniform_(-stdv, stdv)

https://github.com/pytorch/pytorch/blob/master/torch/nn/modules/linear.py#L48-L52

【讨论】：