还是有区别的。
nn.Parameter
会直接把你的这个参数放到优化器里去优化
requires_grad=True
只是说这个参数有了梯度,你可以对他进行优化,但是它不会给你放到优化器里,你还是要自己去优化的。
import torch
import torch.nn as nn
class mod(nn.Module):
def __init__(self):
super(mod,self).__init__()
self.w1=torch.tensor([1,2],dtype=torch.float32,requires_grad=True)
a=torch.tensor([3,4],dtype=torch.float32)
self.w2=nn.Parameter(a)
def forward(self,inputs):
o1=torch.dot(self.w1,inputs)#使用了带梯度的普通tensor
o2=torch.dot(self.w2,inputs)#使用了parameter
return o1+o2
model=mod()
for p in model.parameters():
print(p)
输出:
Parameter containing:
tensor([3., 4.], requires_grad=True)