python - 在 Chainer 中定义一些可学习的参数

Question

我想在我的模型中定义一些可学习的参数，这些参数在前馈中乘以特征图，并在反向传播时更新。我如何在chainer框架中实现它？

标签： pythondeep-learningimplementationbackpropagationchainer

Answer 1

我读了一点，找到了我的答案。如果你需要在chainer中定义一些需要学习的参数，你应该使用chainer.links.Scale()函数。例如 chainer.links.Scale(axis=1,W_shape=(8,8)) W 是在网络中可学习的相同参数。如果特征图是 x，W 乘以 x 并在反向传播中更新。