pytorch 获取模型参数_Pytorch获取模型参数情况的方法

分享人工智能技术干货，专注深度学习与计算机视觉领域！

相较于Tensorflow，Pytorch一开始就是以动态图构建神经网络图的，其获取模型参数的方法也比较容易，既可以根据其内建接口自己写代码获取模型参数情况，也可以借助第三方库来获取模型参数情况，下面，就让我们一起来了解Pytorch获取模型参数情况的这两种方法！

Pytorch依据其内建接口自己写代码获取模型参数情况，我们主要是借助该框架提供的模型parameters()接口并获取对应参数的size来实现的，对于该参数是否属于可训练参数，那么我们可以依据Pytorch提供的requires_grad标志位来进行判断，具体方法如下代码所示：

# 定义总参数量、可训练参数量及非可训练参数量变量

Total_params = 0

Trainable_params = 0

NonTrainable_params = 0

# 遍历model.parameters()返回的全局参数列表

for param in model.parameters():

mulValue = np.prod(param.size()) # 使用numpy prod接口计算参数数组所有元素之积

Total_params += mulValue # 总参数量

if param.requires_grad:

Trainable_params += mulValue # 可训练参数量

else:

NonTrainable_params += mulValue # 非可训练参数量

print(f'Total p