刚定义好一个模型。这个模型的权重是多少

在PyTorch中，模型的权重是需要经过训练才能得到的，因此在刚定义好一个模型时，它的权重是随机初始化的，没有具体的值。如果需要查看模型的权重，需要在模型经过一定的训练后，才能得到具体的值。

如果你还没有进行训练，想要查看随机初始化后的模型权重，可以通过访问模型的`state_dict()`方法来获取模型中所有参数的当前值。`state_dict()`方法返回一个字典，包含了模型中所有参数的名称和当前值。可以通过打印该字典，查看模型的参数和对应的值。

例如，我们可以使用下面的代码来查看刚定义好的`SimpleNet`模型的权重：

model = SimpleNet(10, 20, 2)
print(model.state_dict())

运行结果类似于：

OrderedDict([('fc1.weight', tensor([[ 0.0216,  0.1911, -0.1675,  ..., -0.1968,  0.2350, -0.2565],
        [ 0.1108,  0.0800,  0.0111,  ..., -0.2120,  0.0579,  0.0367],
        [-0.1529,  0.2328, -0.2807,  ..., -0.1147, -0.0482, -0.1579],
        ...,
        [ 0.2828,  0.2265,  0.2021,  ..., -0.1846, -0.0876, -0.1021],
        [ 0.0826, -0.2887,  0.1199,  ..., -0.1514,  0.0685,  0.1912],
        [ 0.0800,  0.1376, -0.0493,  ..., -0.2844, -0.0722,  0.0822]])), ('fc1.bias', tensor([ 0.1847, -0.0824, -0.1140, -0.2433,  0.1733,  0.1768,  0.2618, -0.0030,
         0.1479,  0.1883, -0.0515, -0.2370,  0.2890, -0.2354, -0.1389,  0.1354,
         0.2719, -0.1009,  0.2217,  0.1329])), ('fc2.weight', tensor([[-0.1495, -0.0629,  0.0738,  0.0889, -0.0393, -0.0015, -0.0154, -0.1552,
          0.0533,  0.2389,  0.0521, -0.2347, -0.0537, -0.0821, -0.2399,  0.0375,
          0.2213, -0.0386, -0.0112, -0.1359],
        [ 0.2087, -0.0168, -0.1390,  0.2124,  0.1163, -0.1229, -0.0074, -0.0492,
         -0.0140, -0.2317, -0.1452, -0.2326, -0.0571,  0.2325,  0.2211, -0.1078,
          0.0810,  0.1058,  0.1452, -0.1895]])), ('fc2.bias', tensor([ 0.0113, -0.1673]))])

可以看到，这个字典包含了模型中所有参数的名称和当前值，其中`fc1.weight`表示第一层全连接层的权重，`fc1.bias`表示第一层全连接层的偏置，`fc2.weight`表示第二层全连接层的权重，`fc2.bias`表示第二层全连接层的偏置。这些权重和偏置的值都是随机初始化的，没有具体的意义。