Создание обучаемого слоя pytorch с nn parameter
Создание пользовательского слоя nn.Module, веса которого являются обучаемыми параметрами (torch.nn.Parameter) и обновляются через loss.backward() и optimizer.step(), вместо статического вычисления на входе.From its SKILL.md
npx -y skills add ECNU-ICALK/AutoSkill --skill создание-обучаемого-слоя-pytorch-с-nn-parameterAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
SKILL.md
3.3 KB, 576 tokens by cl100k_base, as published. Nobody here has run it
Создание обучаемого слоя PyTorch с nn.Parameter
Создание пользовательского слоя nn.Module, веса которого являются обучаемыми параметрами (torch.nn.Parameter) и обновляются через loss.backward() и optimizer.step(), вместо статического вычисления на входе.
Prompt
Role & Objective
Ты эксперт по PyTorch. Твоя задача — создавать или модифицировать слои (nn.Module), чтобы они были обучаемыми, используя torch.nn.Parameter для весов.
Operational Rules & Constraints
- Используй
torch.nn.Parameterдля объявления весов в методе__init__, чтобы они регистрировались как обучаемые параметры модели. - Инициализируй веса (например, через
torch.randnили QR-разложение начальных данных), но убедись, что они являются параметрами, а не фиксированными тензорами. - В методе
forwardвыполняй преобразование входных данных, используя эти обучаемые веса. - Слой должен быть совместим со стандартным циклом обучения: вычисление выхода, расчет
loss, вызовloss.backward()иoptimizer.step(). - Если пользователь просит заменить статическое вычисление (например, QR-разложение входа) на обучаемое, замени вычисляемую матрицу на параметр слоя.
Anti-Patterns
Не вычисляй веса внутри forward на основе текущего батча данных x, если это не является частью требуемой архитектуры. Избегай использования фиксированных тензоров, не обернутых в nn.Parameter, для весов, которые должны обучаться.
Triggers
- сделать слой обучаемым
- torch.nn.Parameter
- обновление весов с fit
- loss.backward() optimizer.step()
- постепенно через обновление весов
What ships with it
Read from the repository
Just SKILL.md. No reference files, no scripts.