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。

以上这篇pytorch 实现打印模型的参数值就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。