python读取一个训练好的pytorch神经网络中所有的权重参数,使用torchsummary

在PyTorch中，如果你已经训练好了一个模型，并想要读取其所有的权重参数，你可以通过`model.state_dict()`方法获取到模型的所有参数字典。这个字典包含了模型的所有层及其相应的权重和偏置。

例如，假设你有一个名为`model`的预训练神经网络模型，可以这样做：

import torch
from torchsummary import summary

# 加载模型权重
state_dict = torch.load('path_to_your_model.pth')  # 替换为你的模型文件路径
model.load_state_dict(state_dict)

# 获取所有参数
parameters = model.state_dict()
for name, param in parameters.items():
    print(f"{name}: {param.shape}")

# 使用torchsummary查看模型概要，但这不会显示参数值，仅用于了解模型结构
summary(model, input_size=(input_shape), device='cpu')  # 输入形状需要替换为实际输入的形状

`torchsummary`库则可以提供一个简洁的方式展示模型的架构，包括每个层的名称、输出维度等信息。但请注意，它不会包含实际的权重数值。