Pytorch 模型中定义常量参数

有时候我们在模型中需要定义一些常量参数，比如自定义高斯模糊核的weight。我们希望在主函数中使用 .cuda() 将模型转到 gpu 上时，能够自动将常量参数也转到 gpu 上，但又不希望模型更新这些常量参数。为了达到这个目的，有两种实现方法：

1. 使用nn.Parameter(xxx, requires_grad=False)

classMyModel(nn.Module):def__init__():super(MyModel, self).__init__()
		kernel= torch.rand(5,5)# 假设 kernel 为定义的常量参数
		self.weight= nn.Parameter(kernel, requires_grad=False)

2. 使用self.register_buffer('name', xxx), 后续可用self.name 来访问定义的常量参数

classMyModel(nn.Module):def__init__():super(MyModel, self).__init__()
		kernel= torch.rand(5,5)# 假设 kernel 为定义的常量参数
		self.register_buffer('weight', kernel)