为什么pytorch卷积核的参数始终无法固定

PyTorch卷积核的参数无法固定的原因可能有以下几个：

随机初始化：在PyTorch中，卷积层的参数（包括卷积核）是随机初始化的。这意味着每次训练模型时，参数的初始值都是不同的。如果要使参数固定，可以手动设置初始值。
梯度下降优化：PyTorch使用梯度下降算法来优化模型参数。在每一次迭代中，参数都会被更新，这意味着卷积核的值也会被更新。
数据集变化：如果训练集或测试集的数据发生变化，那么模型的参数也会发生变化。如果要使参数固定，可以使用相同的数据集进行训练和测试。
激活函数：卷积层通常会使用激活函数，这会导致卷积核的参数在每一次迭代中都会发生变化。

综上所述，PyTorch卷积核的参数始终无法固定是因为模型参数的随机初始化、梯度下降优化、数据集变化和激活函数等因素的影响。