nn.Parameter（）函数的用法

`nn.Parameter()`函数是PyTorch中用于创建可训练参数的类。它是`torch.Tensor`的子类，但被包装在`nn.Parameter`类中可以自动注册为模型的可训练参数。这意味着在模型的训练过程中，这些参数的值可以被优化器自动更新。

以下是`nn.Parameter()`函数的用法示例：

import torch
import torch.nn as nn

# 创建一个可训练参数
param = nn.Parameter(torch.randn(3, 4))
print(param)
# 输出: Parameter containing:
# tensor([[-0.2193,  0.2330, -1.0280,  1.5679],
#         [ 0.8522, -0.3909, -1.0786, -0.1507],
#         [ 0.2862,  1.5818,  0.7069, -0.6836]], requires_grad=True)

# 将可训练参数用于模型
class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.weight = nn.Parameter(torch.randn(5, 5))
    
    def forward(self, x):
        return torch.matmul(x, self.weight)

model = MyModel()
print(model)
# 输出: MyModel(
#   (weight): Parameter containing: [torch.FloatTensor of size 5x5]
# )

# 访问可训练参数的值
print(model.weight)
# 输出: Parameter containing: [torch.FloatTensor of size 5x5]

# 使用可训练参数进行前向传播
input = torch.randn(2, 5)
output = model(input)
print(output)

在上述示例中，我们首先使用`nn.Parameter()`函数创建了一个形状为`(3, 4)`的可训练参数`param`。然后，