Pytorch学习（十九）--- 模型中的buffer使用
发布时间
阅读量：
阅读量
总说
通常情况下，pytorch会将网络中的参数以OrderedDict的形式进行存储。这些参数实际上可以分为两类：一类是模型中各个module所包含的参数，即nn.Parameter，我们当然也可以在网络中定义其他的nn.Parameter参数；另一类则是buffer。前者在每次执行optim.step操作时都会被更新，而后者则不会发生改变。
例子
class myModel(nn.Module):
def __init__(self, kernel_size=3):
super(Depth_guided1, self).__init__()
self.kernel_size = kernel_size
self.back_end = torch.nn.Sequential(
torch.nn.Conv2d(3, 32, 3, padding=1),
torch.nn.ReLU(True),
torch.nn.Conv2d(3, 64, 3, padding=1),
torch.nn.ReLU(True),
torch.nn.Conv2d(64,全部评论 (0)
还没有任何评论哟~