torch.nn.utils.weight_norm

torch.nn.utils.weight_norm(module, name='weight', dim=0)

將權重歸一化應用於給定模組中的引數。

$$\mathbf{w} = g \dfrac{\mathbf{v}}{\|\mathbf{v}\|}$$

權重歸一化是一種重引數化技術，它將權重張量的幅度和方向解耦。它將由 name 指定的引數（例如 'weight'）替換為兩個引數：一個指定幅度（例如 'weight_g'），另一個指定方向（例如 'weight_v'）。權重歸一化透過一個鉤子實現，該鉤子在每次呼叫 forward() 之前根據幅度和方向重新計算權重張量。

預設情況下，當 dim=0 時，範數會獨立地按每個輸出通道/平面計算。要計算整個權重張量的範數，請使用 dim=None。

參見 https://arxiv.org/abs/1602.07868

警告

此函式已廢棄。請使用 torch.nn.utils.parametrizations.weight_norm()，它使用現代的 parametrization API。新的 weight_norm 與舊版 weight_norm 生成的 state_dict 相容。

遷移指南

• 幅度 (weight_g) 和方向 (weight_v) 現在分別表示為 parametrizations.weight.original0 和 parametrizations.weight.original1。如果您對此感到困擾，請在 https://github.com/pytorch/pytorch/issues/102999 評論。

• 要移除權重歸一化的重引數化，請使用 torch.nn.utils.parametrize.remove_parametrizations()。

• 權重不再在模組前向傳播時一次性重新計算；相反，它會在每次訪問時重新計算。要恢復舊的行為，請在呼叫相關模組之前使用 torch.nn.utils.parametrize.cached()。

引數

• module (Module) – 包含模組

• name (str, 可選) – 權重引數的名稱

• dim (int, 可選) – 計算範數的維度

返回

應用了權重歸一化鉤子的原始模組

返回型別

T_module

示例

>>> m = weight_norm(nn.Linear(20, 40), name='weight')
>>> m
Linear(in_features=20, out_features=40, bias=True)
>>> m.weight_g.size()
torch.Size([40, 1])
>>> m.weight_v.size()
torch.Size([40, 20])