网络权重初始化代码示例，用def _init_weight(self)

好的，以下是一个示例代码：

import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self, input_size, hidden_size, output_size):
        super(MyModel, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size

        self.fc1 = nn.Linear(input_size, hidden_size)
        self.fc2 = nn.Linear(hidden_size, output_size)

        self._init_weight()

    def _init_weight(self):
        nn.init.xavier_uniform_(self.fc1.weight)
        nn.init.zeros_(self.fc1.bias)
        nn.init.xavier_uniform_(self.fc2.weight)
        nn.init.zeros_(self.fc2.bias)

在这个示例中，我们定义了一个名为`MyModel`的神经网络模型，它有一个输入层、一个隐层和一个输出层。在`__init__`函数中，我们定义了三个线性层（即全连接层），分别是`fc1`、`fc2`和`fc3`。然后在`_init_weight`函数中，我们使用了PyTorch的`nn.init`模块中的函数进行权重初始化。在这个示例中，我们使用了Xavier初始化方法来初始化权重，使用`zeros_`方法来初始化偏置。这个示例中的权重初始化方法只是其中一种，你可以根据你的需求使用其他的权重初始化方法。