nn.Sequential.parameters中包含所有参数吗

不是的，nn.Sequential.parameters() 方法返回的是一个迭代器，包含该 Sequential 模型中所有需要求导的参数。也就是说，它只包含那些需要更新的参数。

下面是一个例子来说明这个问题：

import torch
import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 2)
    
    def forward(self, x):
        x = self.fc1(x)
        x = self.fc2(x)
        return x

model = MyModel()
parameters = model.parameters()
print(list(parameters))

输出结果为：

[Parameter containing:
tensor([[ 0.1367, -0.1520, -0.0944,  0.2329,  0.2024, -0.2928,  0.0491, -0.2570,
         -0.1979, -0.2368],
        [ 0.2011, -0.1153, -0.2079, -0.0974, -0.0035, -0.0678,  0.0027, -0.1837,
         -0.0707, -0.2789],
        [ 0.0334,  0.1613, -0.1554, -0.0992,  0.1989, -0.0741, -0.2149,  0.2528,
          0.1382, -0.1898],
        [-0.2043,  0.2305, -0.0033,  0.0022, -0.0575,  0.0173, -0.0146,  0.0319,
          0.0908, -0.1867],
        [ 0.0196,  0.0233, -0.1228,  0.2973, -0.1712, -0.1972, -0.2779,  0.2422,
         -0.2791, -0.1155]], requires_grad=True), Parameter containing:
tensor([-0.0811, -0.0356, -0.0876, -0.0708,  0.2083], requires_grad=True), Parameter containing:
tensor([[ 0.1267, -0.3424, -0.3776,  0.2399,  0.0728],
        [-0.3187, -0.1893, -0.1025,  0.1142,  0.1251]], requires_grad=True), Parameter containing:
tensor([0.0316, 0.0554], requires_grad=True)]

可以看到，返回的是一个包含四个参数的列表，对应于两个线性层的权重和偏置。