Pytorch中named_parameters、named_children、named_modules函数

谁践踏了优雅 2024-05-08 06:49 55阅读 0赞

#### 目录 ####

*  named\_parameters函数
 *  named\_children()函数
 *  named\_modules()函数
 *  例子

## named\_parameters函数 ##

*  以迭代器的方式返回model中所有的参数，返回值是一个`字典`：包含`参数的名称`和`数值大小`；
 *  内部实现时使用了`递归算法`，所以对于嵌套的网络参数，会`递归遍历`，输出`最底层的参数`，参看下面的例子；

## named\_children()函数 ##

*  该函数用来输出网络中的`第一层模块名称和实例对象`，只会展示最上层的模块名；

## named\_modules()函数 ##

*  该函数用来递归输出网络中的`每一层模块名称和实例对象`，会显示所有层每一模块的名称

## 例子 ##

import torch
    import torch.nn as nn
    
    class TestModel(nn.Module):
        def __init__(self):
            super(TestModel,self).__init__()
            # 常规的卷积层，输入通道为3，输出通道为12
            self.conv1 = nn.Conv2d(3, 12, kernel_size=3, padding=1)
    
            self.layer1 = nn.Sequential(
                nn.Conv2d(12, 6, kernel_size=3, padding=1),
                nn.Conv2d(6, 6, kernel_size=3, padding=1),
                nn.ReLU(inplace=True)
            )
    
        def forward(self, x):
            x = self.conv1(x)
            x = self.layer1(x)
     
    model = TestModel()
    
    named_parameters = model.named_parameters()
    print('------------parameters-----------------')
    for name, parameter in named_parameters:
        print(name)
    
    named_children = model.named_children()
    print('------------parameters-----------------')
    for name, children in named_children:
        print(name)
    
    named_modules = model.named_modules()
    print('------------modules-----------------')
    for name, module in named_modules:
        print(name)
    
    
    ------------输出--------------------------
    ------------parameters-----------------
    conv1.weight
    conv1.bias
    layer1.0.weight   # 可以看到对于sequential模块中的模块会给一个数字编号
    layer1.0.bias
    layer1.1.weight
    layer1.1.bias
    ------------parameters-----------------
    conv1
    layer1
    ------------modules-----------------
    conv1
    layer1
    layer1.0
    layer1.1
    layer1.2