pytorch 一行代码查看网络参数总量的实现

想要实现一行代码查看网络参数总量，首先需要导入PyTorch库。然后，我们可以通过以下代码在控制台中输出模型参数：

import torch.nn as nn

net = nn.Sequential(
    nn.Linear(10, 20),
    nn.ReLU(),
    nn.Linear(20, 30),
    nn.ReLU(),
    nn.Linear(30, 40),
    nn.ReLU()
)

num_params = sum(p.numel() for p in net.parameters())
print("Number of parameters: ", num_params)

这里的nn.Sequential模型是一个简单的三层全连接神经网络，在每一层之间使用了ReLU激活函数。sum(p.numel() for p in net.parameters())这一行在计算模型中参数的数量。在上面的示例中，我们的模型共有1,770个参数。注意，numel()方法用于返回tensor中元素的总数，因此net.parameters()返回的是一个包含模型所有参数的iterator对象。

另一个示例，如果我们想运用这个策略在一个更复杂的模型中查看参数数量，我们可以尝试对学术界流行的模型之一 ResNet18 进行测试。代码如下：

import torch
import torch.nn as nn
import torchvision.models as models

model = models.resnet18(pretrained=True)
num_params = sum(p.numel() for p in model.parameters())

print("Number of parameters: ", num_params)

这里我们使用了torchvision库中的ResNet18模型，并对其预训练的参数进行了加载。可以看到，这个模型总共有11,689,512个参数。

通过这些示例，我们可以很容易地理解一行代码查看网络参数总量的实现方法以及如何应用到实际的模型中。