Pytorch学习笔记（三）-——《深度学习入门之pytorch》

目录

 

卷积层

 

提取层结构

 

提取参数

---

卷积层

 

提取层结构

提取网络中的某一层或者几层

nn.Module的属性

children() ：返回下一级模块的迭代器（下图中只会返回到：layer1、layer2）    named_children() ：迭代器+网络层的名字

modules() ：返回模型中所有模块的迭代器，访问到最内层(可以访问到conv层等)       named_mudules()：迭代器+网络层的名字

 提取出网络的前两层：

提取出模型的所有卷积层：

 

提取参数

nn.Module 关于参数的属性：

named_parameters()   给出网络层的名字和参数的迭代器

parameters()   给出网络全部参数的迭代器

for param in model.named_parameters():
    print(param[0])

 权重初始化：

权重是一个Variable 只需要取出其中的data属性进行处理即可