定义自定义变量pytorch张量

我有一个类似的问题：

有一个形式为

（n1，n2）

的输入向量，我想要一个模型，其中

f（n1，n2）=f（n2，n1）

。我希望这个模型是线性的。例如，我想学习的

2x2

矩阵。

2x2

矩阵有4个权重，培训人员将尝试学习这些权重。然而，收缩允许巧妙地减少问题。

f（nvec）=W*nvec

，即

nvec=（n1，n2）

。 所以，让

X=[[0,1]，[1,0]]

成为一个翻转向量的

2x2

矩阵，然后

f（n2，n1）=W*X*（n1，n2）=f（n1，n2）=W（n1，n2）

基本上，等式意味着

W*X=W

，或者如果

W=[[w1，w2]，[w3，w4]]

，那么等式意味着

W=[[w1，w1]，[w3，w3]]

，即矩阵只有两个自由参数。如何在pytorch中定义这样的模型

---

谢谢。

如果您的参数具有特殊结构，并且您不想使用默认图层存储的默认参数，则可以自行定义图层并使用来存储参数

比如说,

类CustomLayer（nn.Module）：#层必须从nn.Module类派生
def uu init（self）：#您可以在此处使用参数。。。
超级（CustomLayer，self）。\uuuu init\uuuuu（）
self.params=nn.Parameter（data=torch.rand（（2，1），dtype=torch.float），需要_grad=True）
def前进（自身，x）：
w=self.params.repeat（1，2）#从两个参数创建一个2x2矩阵
y=火炬。bmm（x，w）
返回y