torch.nn.utils.parametrizations.weight_norm

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

将权重归一化应用于给定模块中的参数。

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

权重归一化是一种重新参数化方法，它将权重张量的幅度与其方向解耦。这用两个参数替换了由 name 指定的参数：一个指定幅度，一个指定方向。

默认情况下，使用 dim=0 ，范数是独立于每个输出通道/平面的。要计算整个权重张量的范数，请使用 dim=None 。

请参阅 https://arxiv.org/abs/1602.07868

参数:

• 模块（Module）- 包含模块

• name（str，可选）- 权重参数的名称

• dim（int，可选）- 计算范数的维度

返回值:

带权重范数钩子的原始模块

示例：

>>> m = weight_norm(nn.Linear(20, 40), name='weight')
>>> m
ParametrizedLinear(
  in_features=20, out_features=40, bias=True
  (parametrizations): ModuleDict(
    (weight): ParametrizationList(
      (0): _WeightNorm()
    )
  )
)
>>> m.parametrizations.weight.original0.size()
torch.Size([40, 1])
>>> m.parametrizations.weight.original1.size()
torch.Size([40, 20])