# 参数管理

在选择了架构并设置了超参数后，我们就进入了训练阶段。
此时，我们的目标是找到使损失函数最小化的模型参数值。
经过训练后，我们将需要使用这些参数来做出未来的预测。
此外，有时我们希望提取参数，以便在其他环境中复用它们，
将模型保存下来，以便它可以在其他软件中执行，
或者为了获得科学的理解而进行检查。

之前的介绍中，我们只依靠深度学习框架来完成训练的工作，
而忽略了操作参数的具体细节。
本节，我们将介绍以下内容：

访问参数，用于调试、诊断和可视化；
参数初始化；
在不同模型组件间共享参数。

(我们首先看一下具有单隐藏层的多层感知机。)

	import torch
	from torch import nn

	net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1))
	X = torch.rand(size=(2, 4))
	net(X)

tensor([[-0.0619],
        [-0.0489]], grad_fn=<AddmmBackward0>)

# [参数访问]

我们从已有模型中访问参数。
当通过 Sequential 类定义模型时，
我们可以通过索引来访问模型的任意层。
这就像模型是一个列表一样，每层的参数都在其属性中。
如下所示，我们可以检查第二个全连接层的参数。

print(net[2].state_dict())

OrderedDict([('weight', tensor([[ 0.3016, -0.1901, -0.1991, -0.1220,  0.1121, -0.1424, -0.3060,  0.3400]])), ('bias', tensor([-0.0291]))])

输出的结果告诉我们一些重要的事情：
首先，这个全连接层包含两个参数，分别是该层的权重和偏置。
两者都存储为单精度浮点数（float32）。
注意，参数名称允许唯一标识每个参数，即使在包含数百个层的网络中也是如此。

# [目标参数]

注意，每个参数都表示为参数类的一个实例。
要对参数执行任何操作，首先我们需要访问底层的数值。
有几种方法可以做到这一点。有些比较简单，而另一些则比较通用。
下面的代码从第二个全连接层（即第三个神经网络层）提取偏置，
提取后返回的是一个参数类实例，并进一步访问该参数的值。

	print(type(net[2].bias))
	print(net[2].bias)
	print(net[2].bias.data)

<class 'torch.nn.parameter.Parameter'>
Parameter containing:
tensor([-0.0291], requires_grad=True)
tensor([-0.0291])

参数是复合的对象，包含值、梯度和额外信息。
这就是我们需要显式参数值的原因。
除了值之外，我们还可以访问每个参数的梯度。
在上面这个网络中，由于我们还没有调用反向传播，所以参数的梯度处于初始状态。

net[2].weight.grad == None

True

# [一次性访问所有参数]

当我们需要对所有参数执行操作时，逐个访问它们可能会很麻烦。
当我们处理更复杂的块（例如，嵌套块）时，情况可能会变得特别复杂，
因为我们需要递归整个树来提取每个子块的参数。
下面，我们将通过演示来比较访问第一个全连接层的参数和访问所有层。

	print(*[(name, param.shape) for name, param in net[0].named_parameters()])
	print(*[(name, param.shape) for name, param in net.named_parameters()])

('weight', torch.Size([8, 4])) ('bias', torch.Size([8]))
('0.weight', torch.Size([8, 4])) ('0.bias', torch.Size([8])) ('2.weight', torch.Size([1, 8])) ('2.bias', torch.Size([1]))

这为我们提供了另一种访问网络参数的方式，如下所示。

net.state_dict()['2.bias'].data

tensor([-0.0291])

# [从嵌套块收集参数]

让我们看看，如果我们将多个块相互嵌套，参数命名约定是如何工作的。
我们首先定义一个生成块的函数（可以说是 “块工厂”），然后将这些块组合到更大的块中。

	def block1():
	return nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
	nn.Linear(8, 4), nn.ReLU())

	def block2():
	net = nn.Sequential()
	for i in range(4):
	# 在这里嵌套
	net.add_module(f'block {i}', block1())
	return net

	rgnet = nn.Sequential(block2(), nn.Linear(4, 1))
	rgnet(X)

tensor([[-0.3078],
        [-0.3078]], grad_fn=<AddmmBackward0>)

[设计了网络后，我们看看它是如何工作的。]

print(rgnet)

Sequential(
  (0): Sequential(
    (block 0): Sequential(
      (0): Linear(in_features=4, out_features=8, bias=True)
      (1): ReLU()
      (2): Linear(in_features=8, out_features=4, bias=True)
      (3): ReLU()
    )
    (block 1): Sequential(
      (0): Linear(in_features=4, out_features=8, bias=True)
      (1): ReLU()
      (2): Linear(in_features=8, out_features=4, bias=True)
      (3): ReLU()
    )
    (block 2): Sequential(
      (0): Linear(in_features=4, out_features=8, bias=True)
      (1): ReLU()
      (2): Linear(in_features=8, out_features=4, bias=True)
      (3): ReLU()
    )
    (block 3): Sequential(
      (0): Linear(in_features=4, out_features=8, bias=True)
      (1): ReLU()
      (2): Linear(in_features=8, out_features=4, bias=True)
      (3): ReLU()
    )
  )
  (1): Linear(in_features=4, out_features=1, bias=True)
)

因为层是分层嵌套的，所以我们也可以像通过嵌套列表索引一样访问它们。
下面，我们访问第一个主要的块中、第二个子块的第一层的偏置项。

rgnet[0][1][0].bias.data

tensor([-0.2539,  0.4913,  0.3029, -0.4799,  0.2022,  0.3146,  0.0601,  0.3757])

# 参数初始化

知道了如何访问参数后，现在我们看看如何正确地初始化参数。
我们在 :numref: sec_numerical_stability 中讨论了良好初始化的必要性。
深度学习框架提供默认随机初始化，
也允许我们创建自定义初始化方法，
满足我们通过其他规则实现初始化权重。

默认情况下，PyTorch 会根据一个范围均匀地初始化权重和偏置矩阵，
这个范围是根据输入和输出维度计算出的。
PyTorch 的 nn.init 模块提供了多种预置初始化方法。

# [内置初始化]

让我们首先调用内置的初始化器。
下面的代码将所有权重参数初始化为标准差为 0.01 的高斯随机变量，
且将偏置参数设置为 0。

	def init_normal(m):
	if type(m) == nn.Linear:
	nn.init.normal_(m.weight, mean=0, std=0.01)
	nn.init.zeros_(m.bias)
	net.apply(init_normal)
	net[0].weight.data[0], net[0].bias.data[0]

(tensor([-0.0128, -0.0141,  0.0062,  0.0028]), tensor(0.))

我们还可以将所有参数初始化为给定的常数，比如初始化为 1。

	def init_constant(m):
	if type(m) == nn.Linear:
	nn.init.constant_(m.weight, 1)
	nn.init.zeros_(m.bias)
	net.apply(init_constant)
	net[0].weight.data[0], net[0].bias.data[0]

(tensor([1., 1., 1., 1.]), tensor(0.))

我们还可以 [对某些块应用不同的初始化方法]。
例如，下面我们使用 Xavier 初始化方法初始化第一个神经网络层，
然后将第三个神经网络层初始化为常量值 42。

	def init_xavier(m):
	if type(m) == nn.Linear:
	nn.init.xavier_uniform_(m.weight)
	def init_42(m):
	if type(m) == nn.Linear:
	nn.init.constant_(m.weight, 42)

	net[0].apply(init_xavier)
	net[2].apply(init_42)
	print(net[0].weight.data[0])
	print(net[2].weight.data)

tensor([ 0.3809,  0.5354, -0.4686, -0.2376])
tensor([[42., 42., 42., 42., 42., 42., 42., 42.]])

# [自定义初始化]

有时，深度学习框架没有提供我们需要的初始化方法。
在下面的例子中，我们使用以下的分布为任意权重参数 $w$ 定义初始化方法：

$\begin{aligned} w \sim \begin{cases} U(5, 10) & \text{ 可能性 } \frac{1}{4} \\ 0 & \text{ 可能性 } \frac{1}{2} \\ U(-10, -5) & \text{ 可能性 } \frac{1}{4} \end{cases} \end{aligned}$

同样，我们实现了一个 my_init 函数来应用到 net 。

	def my_init(m):
	if type(m) == nn.Linear:
	print("Init", *[(name, param.shape)
	for name, param in m.named_parameters()][0])
	nn.init.uniform_(m.weight, -10, 10)
	m.weight.data *= m.weight.data.abs() >= 5

	net.apply(my_init)
	net[0].weight[:2]

Init weight torch.Size([8, 4])
Init weight torch.Size([1, 8])





tensor([[-0.0000, 0.0000, -0.0000, 0.0000],
        [-0.0000, 9.3464, 5.5061, 6.8197]], grad_fn=<SliceBackward0>)

注意，我们始终可以直接设置参数。

	net[0].weight.data[:] += 1
	net[0].weight.data[0, 0] = 42
	net[0].weight.data[0]

tensor([42.,  1.,  1.,  1.])

# [参数绑定]

有时我们希望在多个层间共享参数：
我们可以定义一个稠密层，然后使用它的参数来设置另一个层的参数。

	# 我们需要给共享层一个名称，以便可以引用它的参数
	shared = nn.Linear(8, 8)
	net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(),
	shared, nn.ReLU(),
	shared, nn.ReLU(),
	nn.Linear(8, 1))
	net(X)
	# 检查参数是否相同
	print(net[2].weight.data[0] == net[4].weight.data[0])
	net[2].weight.data[0, 0] = 100
	# 确保它们实际上是同一个对象，而不只是有相同的值
	print(net[2].weight.data[0] == net[4].weight.data[0])

tensor([True, True, True, True, True, True, True, True])
tensor([True, True, True, True, True, True, True, True])

这个例子表明第三个和第五个神经网络层的参数是绑定的。
它们不仅值相等，而且由相同的张量表示。
因此，如果我们改变其中一个参数，另一个参数也会改变。
这里有一个问题：当参数绑定时，梯度会发生什么情况？
答案是由于模型参数包含梯度，因此在反向传播期间第二个隐藏层
（即第三个神经网络层）和第三个隐藏层（即第五个神经网络层）的梯度会加在一起。

# 小结

我们有几种方法可以访问、初始化和绑定模型参数。
我们可以使用自定义初始化方法。

# 练习

使用 :numref: sec_model_construction 中定义的 FancyMLP 模型，访问各个层的参数。
查看初始化模块文档以了解不同的初始化方法。
构建包含共享参数层的多层感知机并对其进行训练。在训练过程中，观察模型各层的参数和梯度。
为什么共享参数是个好主意？

Discussions

chapter_deep-learning-computation