pytorch中参数访问

一次性访问所有参数

net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1))
X = torch.rand(2, 4)
out = net(X)

print(*[(name, param.shape) for name, param in net[0].named_parameters()])

去除print(),[  ]内的叫做列表推导式，用于遍历net[0]（网络中的第一个子模块）的所有参数，并收集每个参数的名称和形状

• net[0]：通过索引访问网络的第一个子模块。
• .named_parameters()：（字面意思：名字和参数），生成模块中所有参数的名称和参数本身的元组。
• for name, param in net[0].named_parameters()：for循环，遍历上述元组（参数名称， 参数）name 是参数的名称，param 是参数张量。
• (name, param.shape) ：这是for循环的返回值，是一个元组包含参数名称和参数形状
• * 操作符在这里用于将列表解包，使得列表中的每个元素作为独立的参数传递给 print 函数

• [('weight', torch.Size([8, 4])), ('bias', torch.Size([8]))] # 不带*
  ('weight', torch.Size([8, 4])) ('bias', torch.Size([8]))  # 带*

  使用状态字典(state_dict())，通过键值来访问具体某个参数的数据，比如：

print(net.state_dict()['2.bias'].data)

输出：tensor([0.0575])

 通过 state_dict() 函数可以获得 net 的关于参数的键值，通过 [2.bias].data访问键的具体值（在这个例子里，1.relu没有参数， 2.bias 指的时nn.Linear(8,1).bias)