normal

只能定义随机方式  不能指定值

可以试试给层得w权值赋值。

可以看看这个项目

https://aistudio.baidu.com/aistudio/projectdetail/109057

估计是可以....

先遍历程序的block取出所有变量

用assign赋值，不过如果输入的ndarray太大会报错，可以用fluid.data先占位然后run的时候feed进去就行

赋值部分只在开始的时候进行一次，可以通过fluid.cond配合一个bool的fluid.data或者global_var来当作初始化的标志位，初始化完之后feed或者assign个false就行

-----------

不过paddle并不会往前推计算图哪些部分是不需要计算的，所以可能出现：计算图上只在初始化阶段需要feed预设参数，但是实际上可能在整个训练周期都需要feed预设参数..那这样估计会有挺大的效率问题...

或许还可以考虑自行创建一份同名变量，然后赋值存下来，初始化完之后load进去..

不太清楚pd的变量具体是怎么存的.....可以考虑这样:

先获取参数变量的name: paramName

a = fluid.data()
b = create_global_var(name=paramName)
c = assign(a, b)
exe.run(feed={a: datayouwant})
save_vars()

然后看看存出来的的变量文件能否直接load进去

看到自己的项目想起来了...是可以的，我之前就这样做的 忽略我前面的回答，直接这样:

import paddle.fluid as fluid
x = fluid.layers.data(name="x", shape=[5], dtype='float32')
fc = fluid.layers.fc(input=x, size=10,
    param_attr=fluid.initializer.NumpyArrayInitializer(numpy.array([1,2])))

学到了

读：model.fc.weight.numpy()

写：model.fc.weight.set_value(weight)

写偏置b是这个：model.fc.bias.set_value(np.array([bias]).astype('float32'))

请问这方法在哪里呢？文档里面没有找到。

我记得当时就是查的文档。

我又搜了下，也没搜到。忘了当时搜索的关键字了。但这个用法肯定是官方的。

你可以看看我公开的这个项目，代码能正常运行。

https://aistudio.baidu.com/aistudio/projectdetail/109057

好像版本升级了，看看这个。

https://www.paddlepaddle.org.cn/documentation/docs/zh/api_cn/dygraph_cn/Linear_cn.html#cn-api-fluid-dygraph-linear

朋友谢谢你，不过你的项目好像和我的问题没关系。

如果你也对卷积核初始值感兴趣我们可以交流！

诶呦，光热心了。问题没理解清楚。是卷积核初始化。不是网络初始化。卷积核初始化我也没做过。文档是这样写的。

ParamAttr¶
class paddle.fluid.ParamAttr(name=None, initializer=None, learning_rate=1.0, regularizer=None, trainable=True, gradient_clip=None, do_model_average=False)[源代码]¶

创建一个参数属性对象，用户可设置参数的名称、初始化方式、学习率、正则化规则、是否需要训练、梯度裁剪方式、是否做模型平均等属性。

参数:
name (str，可选) - 参数的名称。默认值为None，表示框架自动创建参数的名称。
initializer (Initializer，可选) - 参数的初始化方式。默认值为None，表示权重参数采用Xavier初始化方式，偏置参数采用全0初始化方式。
learning_rate (float) - 参数的学习率。实际参数的学习率等于全局学习率乘以参数的学习率，再乘以learning rate schedule的系数。
regularizer (WeightDecayRegularizer，可选) - 正则化因子。默认值为None，表示没有正则化因子。
trainable (bool) - 参数是否需要训练。默认值为True，表示需要训练。
gradient_clip (BaseGradientClipAttr，可选) - 梯度裁剪方式。默认值为None，表示不需要梯度裁剪。
do_model_average (bool) - 是否做模型平均。默认值为False，表示不做模型平均。
返回: 表示参数属性的对象。

返回类型: ParamAttr

代码示例

import paddle.fluid as fluid

w_param_attrs = fluid.ParamAttr(name="fc_weight",
learning_rate=0.5,
regularizer=fluid.regularizer.L2Decay(1.0),
trainable=True)
print(w_param_attrs.name) # "fc_weight"
x = fluid.layers.data(name='X', shape=[1], dtype='float32')
y_predict = fluid.layers.fc(input=x, size=10, param_attr=w_param_attrs)