了解网络模型的参数

Datura_Metel

于 2020-12-14 14:00:34 发布

阅读量819

点赞数

CC 4.0 BY-SA版权

分类专栏： pytorch 文章标签： python

本文链接：https://blog.youkuaiyun.com/Datura_Metel/article/details/111166535

本文主要探讨了如何查看和理解神经网络模型的参数，包括打印网络各层输出尺寸，利用`named_parameters()`和`parameters()`获取参数信息，以及展示具体参数值。通过对这些内容的掌握，读者能更深入地了解神经网络的内部工作机制。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、打印网络每层输出的大小

import torch
import torch.nn as nn
from torchsummary import summary


class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 10)

    def forward(self, x):
        x1 = torch.relu(self.fc1(x))
        x2 = self.fc2(x1)
        return x1, x2


model = Net()
summary(model, input_size=(3, 20, 10))
# print(model)

2、输出每个参数矩阵的名称（nn.Module里面关于参数有两个很重要的属性named_parameters()和parameters()，前者给出网络层的名字和参数的迭代器，而后者仅仅是参数的迭代器。）

for param in model.named_parameters():
    print(param[0])  # 输出参数名称

3、输出具体的网络参数值

paras = list(model.parameters())
for num,para in enumerate(paras):
    print('number:',num)
    print(para)
    print('_____________________________')

4、