torch.nn.utils.parametrizations.weight_norm

torch.nn.utils.parametrizations.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新参数化的方法，它将权重张量的大小与其方向解耦。这会用两个参数替换由name指定的参数：一个指定大小，另一个指定方向。

默认情况下，使用 dim=0，范数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范数，请使用 dim=None。

参见 https://arxiv.org/abs/1602.07868

Parameters

• 模块 (模块) – 包含的模块

• 名称 (str, 可选) – 权重参数的名称

• dim (int, 可选) – 计算范数的维度

Returns

带有权重归一化钩子的原始模块

示例：

>>> m = weight_norm(nn.Linear(20, 40), name='weight')
>>> m
参数化线性(
  输入特征=20, 输出特征=40, 偏置=True
  (参数化): ModuleDict(
    (weight): 参数化列表(
      (0): _WeightNorm()
    )
  )
)
>>> m.parametrizations.weight.original0.size()
torch.Size([40, 1])
>>> m.parametrizations.weight.original1.size()
torch.Size([40, 20])