如何高效获取PyTorch nn.Module自身参数（不含子模块参数）

要获取模块自身的参数（排除子模块的参数），最直接高效的方式是直接访问模块的_parameters属性，这是PyTorch内部存储模块自身参数的字典，无需遍历子模块，性能最优。

方法1：直接访问_parameters（推荐） #

_parameters是一个OrderedDict，存储了所有通过nn.Parameter或register_parameter()直接注册到当前模块的参数，不包含子模块的参数。只需过滤掉其中的None值即可：

# 获取带名称的自身参数列表
own_named_params = [(name, param) for name, param in self._parameters.items() if param is not None]

# 仅获取参数对象列表
own_params = [param for param in self._parameters.values() if param is not None]

方法2：通过named_parameters()过滤 #

如果需要使用named_parameters()的接口，可以通过检查参数的所属模块来过滤。每个参数的_owner属性指向其所属的模块，只需判断是否为当前模块即可：

own_named_params = []
for name, param in self.named_parameters():
    if param._owner is self:
        own_named_params.append((name, param))

说明 #

• 方法1的效率更高，因为它直接访问模块内部存储的参数集合，无需遍历所有子模块的参数，适合大型模型场景。
• _parameters中可能存在None值（例如动态设置参数为None的情况），因此需要额外过滤。

内容的提问来源于stack exchange，提问作者Roy