PyTorch中利用parameters()获取模型参数

在PyTorch中，可以使用parameters函数来获取模型中的所有可学习参数。以下是一个示例：

import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.fc1 = nn.Linear(10, 5)
        self.fc2 = nn.Linear(5, 1)

    def forward(self, x):
        x = self.fc1(x)
        x = self.fc2(x)
        return x

model = MyModel()
params = list(model.parameters())

在这个示例中，我们首先定义了一个包含两个线性层的神经网络，然后通过list(model.parameters())获取了模型中的所有可学习参数。这些参数存储在一个Python列表中，可以用于进行优化器的初始化和模型的保存和加载。