pytorch初始化模型参数

在 PyTorch 中，我们可以使用模型类的 `__init__` 方法来初始化模型参数。以下是一个简单的例子：

import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        
        # 初始化模型参数
        self.fc1 = nn.Linear(10, 20)
        self.fc2 = nn.Linear(20, 2)
        
    def forward(self, x):
        x = self.fc1(x)
        x = nn.functional.relu(x)
        x = self.fc2(x)
        return x

在上面的例子中，我们定义了一个名为 `MyModel` 的模型类，并在其 `__init__` 方法中初始化了两个全连接层 `fc1` 和 `fc2` 的参数。这里我们使用了 PyTorch 中的 `nn.Linear` 类来创建全连接层，并将其作为模型类的成员变量。在模型的前向传播方法 `forward` 中，我们通过 `self.fc1` 和 `self.fc2` 来调用这两个全连接层，从而实现了模型的前向计算。

当我们使用这个模型时，可以直接通过创建一个 `MyModel` 的实例来获得一个已经初始化好的模型。

model = MyModel()

# 模型已经初始化，可以进行前向计算
x = torch.randn(1, 10)
y = model(x)
print(y)