为什么params = lasagne.layers.get_all_params(net, trainable=True)只能取36个参数

`lasagne.layers.get_all_params(net, trainable=True)` 返回的是模型中所有可训练的参数。如果只返回了 36 个参数，可能是因为你的模型只有这么多可训练的参数。

需要注意的是，某些参数可能是由于某些原因而被固定了，例如在预训练的模型中，一些参数可能已经被固定了，因此不会出现在 `get_all_params` 返回的参数列表中。同时，有些参数可能被定义为不可训练的，这些参数也不会出现在返回的参数列表中。

相关问题

params = lasagne.layers.get_all_params(nn, trainable=True)

这行代码是用来获取神经网络中所有可训练参数的列表。在使用 Lasagne 搭建神经网络时，我们需要定义网络的结构和参数。这些参数通常是神经网络中的权重和偏置项。通过调用 `lasagne.layers.get_all_params` 函数，我们可以方便地获取这些参数，以便进行模型训练和保存。该函数返回一个包含所有可训练参数的列表。如果 `trainable` 参数设置为 `False`，则返回的列表将只包含不可训练参数。

params = lasagne.layers.get_all_params(net['prob'], trainable=True)

这行代码是用于获取神经网络中所有可以训练的参数，存储在一个列表中。具体来说，`lasagne.layers.get_all_params()` 函数可以接受一个网络层作为输入，返回该层及其子层中所有可训练参数的列表。在这里，`net['prob']` 是一个包含输出概率的网络层。`trainable=True` 参数表示只获取可训练的参数，即需要更新的参数。获取所有可训练参数后，我们可以根据损失函数来更新它们，以便优化网络的性能。