nn.Parameter（）

`nn.Parameter`是PyTorch中的一个类，用于定义模型参数。在PyTorch中，模型的参数通常是指那些需要通过训练过程进行学习的权重和偏置。`nn.Parameter`继承自`torch.Tensor`，它告诉PyTorch这个张量是一个参数，所以在构建模型时，需要更新梯度的参数会自动被包含在模型的参数列表中。

当你创建一个`nn.Module`的子类，并在其中定义一个`nn.Parameter`对象时，这个参数会自动被添加到模型的`parameters()`方法返回的迭代器中，这样就可以在优化器中对它进行优化了。这与直接使用`torch.Tensor`不同，因为`torch.Tensor`不会被自动添加到模型参数中。

例如，如果你想在你的网络模块中定义一个可学习的权重，你可以这样做：

import torch.nn as nn

class MyModule(nn.Module):
    def __init__(self):
        super(MyModule, self).__init__()
        self.weight = nn.Parameter(torch.randn(10, 10))  # 创建一个可学习的参数

    def forward(self, x):
        return self.weight.matmul(x)

# 实例化模块
model = MyModule()

在这个例子中，`self.weight`是一个`nn.Parameter`对象，它会在模型的`parameters()`方法返回的列表中，从而可以被优化器更新。