Pytorch-我的权重是否在此网络中共享？

我在以下网络中尝试进行三重态丢失：

首先，我有一个自定义卷积类ConvBlock（nn.Module）：

我现在有一个编码器模块：

类编码器（nn.模块）：

我将编码器初始化为单个对象：

encoder = _Encoder(ngpu,nc,nef,out_size,nz)
encoder = encoder.cuda()

然后我应用了一些函数：

    latent_x,mean_x,logvar_x,skip_x = self.encoder(x)
    latent_y,mean_y,logvar_y,skip_y = self.encoder(y)
    latent_z,mean_z,logvar_z,skip_z = self.encoder(z)
    dist_a = F.pairwise_distance(mean_x, mean_y, 2)
    dist_b = F.pairwise_distance(mean_x, mean_z, 2)
    loss_triplet = triplet_loss(dist_a, dist_b, target)

    optimizer.zero_grad()
    loss_triplet.backward()
    optimizer.step()

---

我开始怀疑权重是否在3个编码器块中实际共享。请帮我检查并告诉我是否有

先训练一会儿，然后在所有GPU上运行相同的输入，并检查是否匹配？这是一个脆弱的测试，但如果失败，你很可能会遇到问题

encoder = _Encoder(ngpu,nc,nef,out_size,nz)
encoder = encoder.cuda()

    latent_x,mean_x,logvar_x,skip_x = self.encoder(x)
    latent_y,mean_y,logvar_y,skip_y = self.encoder(y)
    latent_z,mean_z,logvar_z,skip_z = self.encoder(z)
    dist_a = F.pairwise_distance(mean_x, mean_y, 2)
    dist_b = F.pairwise_distance(mean_x, mean_z, 2)
    loss_triplet = triplet_loss(dist_a, dist_b, target)

    optimizer.zero_grad()
    loss_triplet.backward()
    optimizer.step()