torch.nn.init

函数	描述
torch.nn.init.calculate_gain(nonlinearity,param=None)	对于给定的非线性函数，返回推荐的增益值
torch.nn.init.normal(tensor, mean=0, std=1)	从给定均值和标准差的正态分布N(mean, std)中生成值，填充输入的张量或变量
torch.nn.init.constant(tensor, val)	用val的值填充输入的张量或变量
torch.nn.init.eye(tensor)	用单位矩阵来填充2维输入张量或变量
torch.nn.init.dirac(tensor)	用Dirac $\delta$ 函数来填充{3, 4, 5}维输入张量或变量
torch.nn.init.xavier_normal(tensor, gain=1)	用一个正态分布生成值，填充输入的张量或变量
torch.nn.init.xavier_uniform(tensor, gain=1)	用一个均匀分布生成值，填充输入的张量或变量
torch.nn.init.kaiming_uniform(tensor, a=0, mode='fan_in')	用一个均匀分布生成值，填充输入的张量或变量
torch.nn.init.kaiming_normal(tensor, a=0, mode='fan_in')	用一个正态分布生成值，填充输入的张量或变量
torch.nn.init.orthogonal(tensor, gain=1)	用（半）正交矩阵填充输入的张量或变量
torch.nn.init.sparse(tensor, sparsity, std=0.01)	将2维的输入张量或变量当做稀疏矩阵填充，其中非零元素根据一个均值为0，标准差为std的正态分布生成。

原始文档：https://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-nn/#torchnn