首页
/ LLMs-from-scratch项目中Embedding层与Linear层的权重初始化分析

LLMs-from-scratch项目中Embedding层与Linear层的权重初始化分析

2025-05-01 10:45:17作者:邵娇湘

在深度学习模型构建过程中,Embedding层和Linear层是两种常用的神经网络层类型。rasbt的LLMs-from-scratch项目通过实践展示了这两种层的权重初始化特性。

Embedding层与Linear层的权重对比

Embedding层通常用于将离散的索引值映射到连续的向量空间,而Linear层则实现输入数据的线性变换。在PyTorch框架中,这两种层虽然功能不同,但都包含可训练的参数矩阵。

权重初始化的随机性

在LLMs-from-scratch项目的示例代码中,作者设置了随机种子为123,然后创建了一个Linear层:

torch.manual_seed(123)
linear = torch.nn.Linear(num_idx, out_dim, bias=False)

执行这段代码后,PyTorch会自动初始化Linear层的权重矩阵。这个权重矩阵的大小为5×4(假设num_idx=5,out_dim=4),其值来自于特定的随机分布。

权重矩阵的特性

观察初始化后的权重矩阵,我们可以发现几个特点:

  1. 数值范围在-0.5到0.5之间,这是PyTorch默认的初始化范围
  2. 每个元素都是随机生成的,但由于设置了随机种子,结果可复现
  3. 矩阵的requires_grad属性为True,表示这些参数将在训练过程中被优化

与Embedding层的比较

虽然代码中没有展示Embedding层的初始化,但值得注意的是:

  1. Embedding层的权重矩阵形状与Linear层类似
  2. 两者都使用随机初始化,但具体分布可能不同
  3. Embedding层专为离散输入设计,而Linear层适用于连续输入

实际应用中的考虑

在实际构建语言模型时,理解这些层的初始化特性很重要:

  1. 初始化范围会影响模型训练的稳定性
  2. 随机种子的设置可确保实验的可重复性
  3. 对于大型语言模型,可能需要特定的初始化策略

通过分析这个简单的示例,我们可以更好地理解神经网络底层参数的初始化机制,为构建更复杂的语言模型打下基础。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
262
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K