torch.nn.utils.weight_norm

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

对给定模块中的参数应用权重归一化。

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

权重归一化是一种重参数化，它将权重张量的大小与其方向解耦。这会将由 name（例如 'weight'）指定的参数替换为两个参数：一个指定大小（例如 'weight_g'），另一个指定方向（例如 'weight_v'）。权重归一化是通过一个钩子实现的，该钩子在每次 forward() 调用之前，从大小和方向重新计算权重张量。

默认情况下，使用 dim=0 时，规范化是独立地为每个输出通道/平面计算的。要计算整个权重张量的规范化，请使用 dim=None。

请参阅 https://arxiv.org/abs/1602.07868

警告

此功能已弃用。请使用 torch.nn.utils.parametrizations.weight_norm()，它使用现代参数化 API。新的 weight_norm 与从旧的 weight_norm 生成的 state_dict 兼容。

迁移指南

• 大小 (weight_g) 和方向 (weight_v) 现在分别表示为 parametrizations.weight.original0 和 parametrizations.weight.original1。如果这让您感到困扰，请在 https://github.com/pytorch/pytorch/issues/102999 上评论

• 要删除权重归一化重参数化，请使用 torch.nn.utils.parametrize.remove_parametrizations()。

• 权重不再在模块前向传播时重新计算一次；相反，它将在每次访问时重新计算。要恢复旧的行为，请在使用模块之前使用 torch.nn.utils.parametrize.cached()。

参数

• module (Module) – 包含模块

• name (str, 可选) – 权重参数的名称

• dim (int, 可选) – 计算规范化的维度

返回值

带有权重归一化钩子的原始模块

返回类型

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])