pytorch model.name_parameters()和model.static_dict()

原文链接：https://blog.csdn.net/weixin_41712499/article/details/110198423

在使用pytorch过程中，torch中存在3个功能极其类似的方法，分别是：

model.parameters()、model.named_parameters()和model.state_dict()

下面就具体来说说这三个函数的差异
首先，说说比较接近的model.parameters()和model.named_parameters()。这两者唯一的差别在于，named_parameters()返回的list中，每个元祖打包了2个内容，分别是layer-name和layer-param，而parameters()只有后者。

model.named_parameters()和model.state_dict()间的差别。它们的差异主要体现在3方面：

• 返回值类型不同
• 存储的模型参数的种类不同
• 返回的值的require_grad属性不同

第一个，model.state_dict()是将layer_name : layer_param的键值信息存储为dict形式，而model.named_parameters()则是打包成一个元祖然后再存到list当中；
第二，model.state_dict()存储的是该model中包含的所有layer中的所有参数；而model.named_parameters()则只保存可学习、可被更新的参数，model.buffer()中的参数不包含在model.named_parameters()中
最后，model.state_dict()所存储的模型参数tensor的require_grad属性都是False，而model.named_parameters()的require_grad属性都是True

以上参考：原文链接：https://blog.csdn.net/weixin_41712499/article/details/110198423

比如：

# coding=UTF-8
class net-2(nn.Module):
    def __init__(self, encoder, decoder, device):
        super().__init__()
		......
    
    def forward(self, des):
        ......


model = net-2()

model.state_dict()

model_dict = model.state_dict()
    for k, v in model_dict.items():
      print(k)



部分输出：
mgp_str.mgp_encoder.position_enc.h_position_encoder
mgp_str.mgp_encoder.position_enc.w_position_encoder
mgp_str.mgp_encoder.position_enc.h_scale.0.weight
mgp_str.mgp_encoder.position_enc.h_scale.0.bias
mgp_str.mgp_encoder.position_enc.h_scale.2.weight
mgp_str.mgp_encoder.position_enc.h_scale.2.bias
mgp_str.mgp_encoder.position_enc.w_scale.0.weight
mgp_str.mgp_encoder.position_enc.w_scale.0.bias
mgp_str.mgp_encoder.position_enc.w_scale.2.weight
mgp_str.mgp_encoder.position_enc.w_scale.2.bias

model.name_parameters()

for k_p, v_p in model.named_parameters():
    print(k_p)




部分输出：
module.mgp_str.mgp_encoder.position_enc.h_scale.0.weight
module.mgp_str.mgp_encoder.position_enc.h_scale.0.bias
module.mgp_str.mgp_encoder.position_enc.h_scale.2.weight
module.mgp_str.mgp_encoder.position_enc.h_scale.2.bias
module.mgp_str.mgp_encoder.position_enc.w_scale.0.weight
module.mgp_str.mgp_encoder.position_enc.w_scale.0.bias
module.mgp_str.mgp_encoder.position_enc.w_scale.2.weight
module.mgp_str.mgp_encoder.position_enc.w_scale.2.bias

model_dict=model.state_dict()  #这里的model是上面例子搭建的模型

与

model_dict=torch.load('***.pth', map_location='cpu')

是一样的功能，输出的参数都是一样的

如果想加载模型参数，如下：

model.load_state_dict(model_dict, strict=False)