PyTorchでの重みの初期化方法
コード1
次のようにニューラルネットワークを定義したとする。forward
部分は省略されている。
import torch
import torch.nn as nn
class Custom_Net(nn.Module):
def __init__(self):
super(Custom_Net, self).__init__()
self.linear_1 = nn.Linear(1024, 1024, bias=False)
self.linear_2 = nn.Linear(1024, 512, bias=False)
self.linear_3 = nn.Linear(512, 10, bias=True)
torch.nn.init.constant_(self.linear_1.weight.data, 0)
torch.nn.init.unifiom_(self.linear_2.weight.data)
torch.nn.init.xavier_normal_(self.linear_3.weight.data)
torch.nn.init.xavier_normal_(self.linear_3.bias.data)
def forward(self, x):
...
重みの初期化はnn.init
を通じて設定できる。バイアスがある層の場合、これも別途設定する必要がある。
基本
torch.nn.init.constant_(tensor, val)
: 定数に設定する。torch.nn.init.ones_(tensor)
:$1$に設定する。torch.nn.init.zeros_(tensor)
: $0$に設定する。torch.nn.init.eye_(tensor)
torch.nn.init.dirac_(tensor, groups=1)
torch.nn.init.unifiom_(tensor, a=0.0, b=1.0)
: aからbまでの値を一様分布に設定する。デフォルトはa=0.0、b=1.0だ。torch.nn.init.normal_(tensor, mean=0.0, std=1.0)
: 平均が0で標準偏差が1の分布に設定する。torch.nn.init.orthogonal_(tensor, gain=1)
torch.nn.init.sparse_(tensor, sparsity, std=0.01)
Xavier
torch.nn.init.xavier_uniform_(tensor, gain=1.0)
torch.nn.init.xavier_normal_(tensor, gain=1.0)
Kaiming
torch.nn.init.kaiming_uniform_(tensor, a=0, mode='fan_in', nonlinearity='leaky_relu')
torch.nn.init.kaiming_normal_(tensor, a=0, mode='fan_in', nonlinearity='leaky_relu')
直接指定
特定の配列を初期値として使いたい場合、次のように設定できる。$A$が$m \times n$のサイズのtorch.tensor()
の場合、
class Custom_Net(nn.Module):
def __init__(self):
super(Custom_Net, self).__init__()
self.linear_1 = nn.Linear(m, n, bias=False)
self.linear_1.weight.data = A
ループ
さらに、次のようにループを通じて初期化することができる。
import torch
import torch.nn as nn
class Custom_Net(nn.Module):
def __init__(self):
super(Custom_Net, self).__init__()
self.linear_1 = nn.Linear(1024, 1024, bias=False)
self.linear_2 = nn.Linear(1024, 512, bias=False)
self.linear_3 = nn.Linear(512, 10, bias=True)
for m in self.modules():
if isinstance(m, nn.Linear):
torch.nn.init.uniform_(m.weight.data)
def forward(self, x):
...
nn.init
を使わずに、次のようにもできる。
for m in self.modules():
if isinstance(m, nn.Linear):
m.weight.data.zero_()
m.bias.data.zero_()
環境
- OS: Windows10
- Version: Python 3.9.2, torch 1.8.1+cu111