如何查看网络权重参数呢？

问1：如何查看网络权重参数呢？

答：利用model.named_parameters()函数查可以查看网络权重参数。代码如下所示。

首先，我们要定义一个神经网络，如下所示：

class MyModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.nn1 = nn.Linear(2, 3)
        self.nn2 = nn.Linear(3, 6)

    def forward(self, x):
        x = F.relu(self.nn1(x))
        return F.relu(self.nn2(x))

接着，我们可以通过model.named_parameters()函数查看一下这个网络内部的权重的名称和内部参数是什么。

model = MyModel()
for name, param in model.named_parameters():
    print(name)
    print("-" * 24)
    print(param)
    print("=" * 24)

结果如下所示：

nn1.weight
------------------------
Parameter containing:
tensor([[ 0.4568,  0.2095],
        [-0.6798,  0.1150],
        [-0.6007, -0.0654]], requires_grad=True)
========================
nn1.bias
------------------------
Parameter containing:
tensor([-0.2651,  0.1305,  0.4654], requires_grad=True)
========================
nn2.weight
------------------------
Parameter containing:
tensor([[-0.1951, -0.1204,  0.1378],
        [-0.1610, -0.4839, -0.0099],
        [ 0.3376, -0.1957,  0.5075],
        [-0.1851, -0.2538, -0.0336],
        [ 0.5438, -0.1405, -0.1241],
        [ 0.4294,  0.0081, -0.2110]], requires_grad=True)
========================
nn2.bias
------------------------
Parameter containing:
tensor([-0.5548,  0.1145,  0.1029, -0.2623, -0.0360, -0.0181],
       requires_grad=True)
========================

问2：named_parameters的数据结构是什么？

答：named_parameters()返回一个list列表，其内部元素为元组，每个元组打包了2个内容，分别是layer-name和layer-param。其中，layer-name用的字面量。