pytorch查看网络参数

在PyTorch中，我们可以使用`parameters()`函数来查看一个网络模型的参数。该函数会返回一个生成器对象，包含网络模型中所有可学习的参数。

首先，我们需要导入PyTorch库并定义一个网络模型。假设我们有一个简单的全连接神经网络：

import torch
import torch.nn as nn

class Net(nn.Module):
    def __init__(self):
        super(Net, 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

# 创建网络模型的实例
net = Net()

然后，我们可以使用`parameters()`函数来查看网络模型的参数：

params = list(net.parameters())
print("参数数量：", len(params))

# 打印每个参数的形状
for i, param in enumerate(params):
    print(f"参数 {i+1} 形状：{param.shape}")

输出结果会显示网络模型中的参数数量以及每个参数的形状（即张量的维度）。

在实际使用中，我们可以用这些参数来进行训练或者做进一步的分析。例如，我们可以通过更改参数的值来实现网络的参数初始化，或者对参数进行某种操作来实现网络的优化。