如何打印PyTorch单个层的可训练参数总数？

你之前用conv_layer.parameters()得到的是生成器对象，它只是用来遍历模型参数的迭代器，无法直接给出参数总数。要统计可训练参数总数，需要遍历每个参数并计算其元素数量之和，具体方法如下：

方法1：直接统计可训练参数总数 #

使用numel()方法获取每个参数张量的元素个数，再求和：

import torch.nn as nn

conv_layer = nn.Conv2d(in_channels=3,
                       out_channels=16,
                       kernel_size=3)

# 统计所有可训练参数的总数
total_trainable_params = sum(p.numel() for p in conv_layer.parameters() if p.requires_grad)
print(total_trainable_params)  # 输出：448

• p.numel()：返回单个参数张量的元素数量
• if p.requires_grad：仅统计可训练参数（默认卷积层的weight和bias都是可训练的，此条件可确保排除被冻结的参数）

方法2：查看每个参数的细节（可选） #

如果想了解每个参数的名称、形状和数量，可以用named_parameters()遍历：

for name, param in conv_layer.named_parameters():
    print(f"参数名: {name}, 形状: {param.shape}, 元素数: {param.numel()}")

输出结果：

参数名: weight, 形状: torch.Size([16, 3, 3, 3]), 元素数: 432
参数名: bias, 形状: torch.Size([16]), 元素数: 16

手动验证的话，卷积层参数公式为：(输入通道数×卷积核高×卷积核宽 + 偏置)×输出通道数，即(3×3×3 +1)×16 = 448，和代码计算结果一致。

内容的提问来源于stack exchange，提问作者cdahms