torch.nn.parameters的参数有哪些

torch.nn.parameters()函数返回一个模型的所有可训练参数。这些参数通常是模型神经网络中的权重（weights）和偏置（biases）。

返回值是一个可迭代对象，每个元素都是模型参数的一个引用。模型参数是pytorch的torch.Tensor类的实例。

示例代码：

import torch.nn as nn

model = nn.Sequential(
          nn.Linear(10, 100),
          nn.ReLU(),
          nn.Linear(100, 1),
        )

params = list(model.parameters())

print(len(params))

for i, param in enumerate(params):
    print(f"Parameter {i}: {param.size()}")

这段代码输出结果为：

4
Parameter 0: torch.Size([100, 10])
Parameter 1: torch.Size([100])
Parameter 2: torch.Size([1, 100])
Parameter 3: torch.Size([1])

在这个例子中，我们定义了一个含有两层的神经网络，分别是一个线性层和一个ReLU激活层，以及输出层一个线性层。我们调用`model.parameters()` 函数会返回这个模型的所有可训练参数，总共有四个参数。第1个参数是第一层的权重，大小为[100， 10]（第一维代表输出维度，第二维代表输入维度）。第2个参数是第一层的偏置（biases），大小为[100]。第3个参数是第二层的权重，大小为[1， 100]。第4个参数是输出层的偏置，大小为[1]。