pytorch如何實(shí)現(xiàn)打印模型的參數(shù)值

這篇文章主要介紹pytorch如何實(shí)現(xiàn)打印模型的參數(shù)值，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

對于簡單的網(wǎng)絡(luò)

例如全連接層Linear

可以使用以下方法打印linear層：

fc = nn.Linear(3, 5)
params = list(fc.named_parameters())
print(params.__len__())
print(params[0])
print(params[1])

輸出如下：

由于Linear默認(rèn)是偏置bias的，所有參數(shù)列表的長度是2。第一個(gè)存的是全連接矩陣，第二個(gè)存的是偏置。

對于稍微復(fù)雜的網(wǎng)絡(luò)

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])

輸出：

可以發(fā)現(xiàn)，堆疊起來的網(wǎng)絡(luò)，參數(shù)是依次放置的。先是全連接的權(quán)重，然后偏置。然后是下一層網(wǎng)絡(luò)的權(quán)重+偏置。依次進(jìn)行下去。

這里有4層fc，4*2=8.所以一共有8個(gè)參數(shù)矩陣。

pytorch的優(yōu)點(diǎn)

1.PyTorch是相當(dāng)簡潔且高效快速的框架；2.設(shè)計(jì)追求最少的封裝；3.設(shè)計(jì)符合人類思維，它讓用戶盡可能地專注于實(shí)現(xiàn)自己的想法；4.與google的Tensorflow類似，F(xiàn)AIR的支持足以確保PyTorch獲得持續(xù)的開發(fā)更新；5.PyTorch作者親自維護(hù)的論壇 供用戶交流和求教問題6.入門簡單

以上是“pytorch如何實(shí)現(xiàn)打印模型的參數(shù)值”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對大家有幫助，更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道！