Pytorch 如何在Pytork中更新神经网络的参数？

假设我想将PyTorch中一个类继承的实例中的神经网络的所有参数乘以0.9。我该怎么做呢？

让我们用一个神经网络类的实例。然后你就可以做了

state\u dict=net.state\u dict 对于名称，状态为“”的参数dict.items： 根据需要转换参数。 转换参数=参数*0.9 更新参数。 state_dict[name]。复制\u转换的\u参数 将所有参数乘以0.9

如果只想更新权重而不是所有参数，可以这样做

state\u dict=net.state\u dict 对于名称，状态为“”的参数dict.items： 如果这不是权重，则不更新。 如果名称中没有重量： 持续 根据需要转换参数。 转换参数=参数*0.9 更新参数。 state_dict[name]。复制\u转换的\u参数 让我们来看一个神经网络类的实例。然后你就可以做了

state\u dict=net.state\u dict 对于名称，状态为“”的参数dict.items： 根据需要转换参数。 转换参数=参数*0.9 更新参数。 state_dict[name]。复制\u转换的\u参数 将所有参数乘以0.9

如果只想更新权重而不是所有参数，可以这样做

state\u dict=net.state\u dict 对于名称，状态为“”的参数dict.items： 如果这不是权重，则不更新。 如果名称中没有重量： 持续 根据需要转换参数。 转换参数=参数*0.9 更新参数。 state_dict[name]。复制\u转换的\u参数

---

实现这一点的另一种方法是使用张量参数

初始化模块：

>>>a=火炬。nn。直线2，2 >>>州议会 OrderedDict[“重量”， 张量[[-0.1770，-0.2151]， [-0.6543, 0.6637]], “偏差”，张量[-0.0524,0.6807]] 更改参数：

对于a中的p参数： p、 数据*=0 见效果：

>>>州议会 OrderedDict[“重量”， 张量[-0.，-0.]， [-0., 0.]], “偏差”，张量[-0,0.]]

---

实现这一点的另一种方法是使用张量参数

初始化模块：

>>>a=火炬。nn。直线2，2 >>>州议会 OrderedDict[“重量”， 张量[[-0.1770，-0.2151]， [-0.6543, 0.6637]], “偏差”，张量[-0.0524,0.6807]] 更改参数：

对于a中的p参数： p、 数据*=0 见效果：

>>>州议会 OrderedDict[“重量”， 张量[-0.，-0.]， [-0., 0.]], “偏差”，张量[-0,0.]]

---

这有意义吗？我希望有一些向量操作来执行这个操作，否则python会扼杀速度，而且这会在GPU上工作吗？这有意义吗？我希望有一些向量操作来执行这个操作，否则python会扼杀速度，而且这会在GPU上工作吗？