Python 如何在pytorch模型中初始化权重

我这里有一个相当直接的问题。 我刚刚用下面的代码中所示的upConv顺序容器替换nn.Upsample，完成了网络的重新配置。我已经通过运行summaryUNetPP，3，128，128验证了一切都已就绪，运行起来没有问题

def weights_init(m):
    classname = m.__class__.__name__
    if classname.find('Conv') != -1:
        m.weight.data.normal_(0.0, 0.02)
    elif classname.find('BatchNorm') != -1:
        m.weight.data.normal_(1.0, 0.02)
        m.bias.data.fill_(0)


class blockUNetPP(nn.Module):
    def __init__(self, in_channels, middle_channels, out_channels):
        super().__init__()
        self.relu = nn.LeakyReLU(0.2, inplace=True)
        self.conv1 = nn.Conv2d(in_channels, middle_channels, 3, padding=1)
        self.bn1 = nn.BatchNorm2d(middle_channels)
        self.conv2 = nn.Conv2d(middle_channels, out_channels, 3, padding=1)
        self.bn2 = nn.BatchNorm2d(out_channels)


    def forward(self, x):
        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu(out)

        out = self.conv2(out)
        out = self.bn2(out)
        out = self.relu(out)

        return out

class upConv(nn.Module):
    def __init__(self, in_ch, out_ch):
        super().__init__()
        self.upc = nn.Sequential(
                                 nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True),
                                 nn.Conv2d(in_ch, out_ch*2, 3, stride=1, padding=1),
                                 nn.BatchNorm2d(out_ch*2),
                                 nn.ReLU(inplace=True)
                                 )
    def forward(self, x):
        out = self.upc(x)
        return out

我的问题是，当我尝试开始培训模型时，我会遇到以下问题：

Traceback (most recent call last):
  File "runTrain.py", line 90, in <module>
    netG.apply(weights_init)
  File "C:\Users\Anaconda3\envs\CFD\lib\site-packages\torch\nn\modules\module.py", line 289, in apply
    module.apply(fn)
  File "C:\Users\Anaconda3\envs\CFD\lib\site-packages\torch\nn\modules\module.py", line 290, in apply
    fn(self)
  File "D:\Thesis Models\Deep_learning_models\UNet\train\NetC.py", line 8, in weights_init
    m.weight.data.normal_(0.0, 0.02)
  File "C:\Users\Anaconda3\envs\CFD\lib\site-packages\torch\nn\modules\module.py", line 594, in __getattr__
    type(self).__name__, name))
AttributeError: 'upConv' object has no attribute 'weight'

---

我已经找到了建议在容器模块上循环的方法，但我已经在用weights_initm做这项工作了。有人能解释一下我当前的设置有什么问题吗？

您正在通过检查类名是否包含带有类名的Conv来决定如何初始化权重。查找“Conv”。您的类的名称为upConv，其中包括Conv，因此您尝试初始化其属性.weight，但该属性不存在

重命名类或使条件更严格，例如classname.find'Conv2d'。最严格的方法是检查它是否是nn.Conv2d的实例，而不是查看类的名称

def权重_initm： 如果isinstancem，nn.Conv2d： m、 重量.数据.正常值0.0,0.02 elif IsInstance，nn.2D： m、 重量。数据。正常值_1.0，0.02 m、 bias.data.fill_0

---

谢谢，现在开始运行。我猜实例是一种更健壮的方法。