这篇文章主要介绍pytorch如何实现打印模型的参数值，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
对于简单的网络
例如全连接层Linear
可以使用以下方法打印linear层：
fc = nn.Linear(3, 5) params = list(fc.named_parameters()) print(params.__len__()) print(params[0]) print(params[1])
输出如下：
由于Linear默认是偏置bias的，所有参数列表的长度是2。第一个存的是全连接矩阵，第二个存的是偏置。
对于稍微复杂的网络
例如MLP
mlp = nn.Sequential( nn.Dropout(p=0.3), nn.Linear(1024, 256), nn.Linear(256, 64), nn.Linear(64, 16), nn.Linear(16, 1) ) params = list(mlp.named_parameters()) print(params.__len__()) print(params[0]) print(params[1]) print(params[2]) print(params[3])
输出：
可以发现，堆叠起来的网络，参数是依次放置的。先是全连接的权重，然后偏置。然后是下一层网络的权重+偏置。依次进行下去。
这里有4层fc，4*2=8.所以一共有8个参数矩阵。
1.PyTorch是相当简洁且高效快速的框架；2.设计追求最少的封装；3.设计符合人类思维，它让用户尽可能地专注于实现自己的想法；4.与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新；5.PyTorch作者亲自维护的论坛 供用户交流和求教问题6.入门简单
以上是“pytorch如何实现打印模型的参数值”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
