pytorch 实现查看网络中的参数

在PyTorch中，我们可以使用state_dict()方法来查看网络中的参数。state_dict()方法返回一个字典对象，该字典对象包含了网络中所有的参数和对应的值。本文将详细讲解如何使用PyTorch实现查看网络中的参数，并提供两个示例说明。

1. 查看网络中的参数

在PyTorch中，我们可以使用state_dict()方法来查看网络中的参数。以下是一个查看网络中的参数的示例代码：

import torch
import torch.nn as nn

# 定义模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 10)

    def forward(self, x):
        x = self.pool(nn.functional.relu(self.conv1(x)))
        x = self.pool(nn.functional.relu(self.conv2(x)))
        x = x.view(-1, 16 * 5 * 5)
        x = nn.functional.relu(self.fc1(x))
        x = nn.functional.relu(self.fc2(x))
        x = self.fc3(x)
        return x

# 实例化模型
net = Net()

# 查看模型参数
params = net.state_dict()
for key, value in params.items():
    print(key, value.shape)

在上面的代码中，我们首先定义了一个Net类，该类继承自nn.Module类，并定义了一个包含两个卷积层和三个全连接层的模型。然后，我们实例化了该模型，并使用state_dict()方法获取了模型的参数。最后，我们遍历了参数字典，并输出了每个参数的名称和形状。

2. 示例1：查看ResNet18模型中的参数

以下是一个查看ResNet18模型中的参数的示例代码：

import torch
import torchvision.models as models

# 实例化模型
model = models.resnet18()

# 查看模型参数
params = model.state_dict()
for key, value in params.items():
    print(key, value.shape)

在上面的代码中，我们首先使用torchvision.models模块中的resnet18()函数实例化了一个ResNet18模型。然后，我们使用state_dict()方法获取了模型的参数。最后，我们遍历了参数字典，并输出了每个参数的名称和形状。

3. 示例2：查看VGG16模型中的参数

以下是一个查看VGG16模型中的参数的示例代码：

import torch
import torchvision.models as models

# 实例化模型
model = models.vgg16()

# 查看模型参数
params = model.state_dict()
for key, value in params.items():
    print(key, value.shape)

在上面的代码中，我们首先使用torchvision.models模块中的vgg16()函数实例化了一个VGG16模型。然后，我们使用state_dict()方法获取了模型的参数。最后，我们遍历了参数字典，并输出了每个参数的名称和形状。