网站制作 网站建设怎么做的_秦皇岛开发区_关键词排名优化公司_百度关键词热度

model.parameters()

import torch
import torch.nn as nnclass SimpleModel(nn.Module):def __init__(self):super(SimpleModel, self).__init__()self.fc1 = nn.Linear(10, 5)  # 输入维度为10，输出维度为5self.fc2 = nn.Linear(5, 2)   # 输入维度为5，输出维度为2def forward(self, x):x = torch.relu(self.fc1(x))x = self.fc2(x)return xmodel = SimpleModel()# 获取模型的参数
for param in model.parameters():print(param.shape, param.requires_grad)

假设打印结果：

torch.Size([5, 10]) True   # 第一层的权重
torch.Size([5]) True       # 第一层的偏置
torch.Size([2, 5]) True    # 第二层的权重
torch.Size([2]) True       # 第二层的偏置

线性层Linear WX+b

model.parameters() 返回一个生成器（generator），它会逐个生成模型中所有可训练的参数（Parameter 对象）。这些参数通常是张量（torch.Tensor），并且默认情况下它们的 requires_grad=True，这意味着它们会在反向传播中自动计算梯度。

model.named_parameters()

for name, param in linearModel.named_parameters():print(name, param.grad)
# linear.weight tensor([[...]])
# linear.bias   tensor([[...]])