MindSpore在创建卷积层时设置权重参数精度问题_怎么给卷积层添加权重

问题描述：

我想请教一下在使用MindSpore框架创建一个卷积层时，如何设置该层的权重精度？

【操作步骤&问题现象】

1、像传统的Keras框架创建一个卷积层只需要在声明时指定dtpye=“float32”就可以指定这一层的权重精度，例如以下语句是合法的：

keras.layers.Conv2D( 8, [3, 3], strides=(2, 2), padding='valid',     dtype=“float32”, kernel_initializer=keras.initializers.Constant(value=0.5) )

2、但使用Mindspore框架声明卷积层时则不可以，没有这个参数指定

【截图信息】

解答：

请参考这篇文档： 网络参数 — MindSpore master documentation

这个默认使用的是fp32，如果你使用了自动混合精度O2或者O3，卷积核就使用了fp16；如果你想手动对某个算子设置精度，可以用该算子的to_float(mstype.float16)这个方法 比如： conv2d=Conv2d() conv2d.to_float(mstype.float16) 这样就可以了