今天小编就为大家发信息一篇Pytorch 实现自定义参数层的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

注意，一般官方接口都带有可导功能，如果你实现的层不具有可导功能，就需要自己实现梯度的反向传递。 官方Linear层： class Linear(Module): def __init__(self, in_features, out_features, bias=True): super(Linear, self).__init__() self.in_features = in_features self.out_features = out_features

从神经网络预测的层次解释论文中使用/复制ACD的官方代码（ICLR 2019 ）。 该代码为神经网络所做的单个预测生成层次解释。 注意：此存储库正在积极维护。 如有任何疑问，请提出问题。 例子/文档 安装： pip install acd （或克隆并运行python setup.py install ） 示例： 文件夹包含带有许多演示的笔记本 api ： 提供可用功能列表 src ： 文件夹包含方法实现的源 通过更改超参数允许进行不同类型的解释（在示例中进行了说明） 使用python3和