如何仅打印神经网络的首个权重参数

针对你的需求，直接定位到目标卷积层的权重张量后，通过索引/切片即可提取首个卷积核矩阵，具体操作如下：

核心思路 #

model.block_1[0]是你要访问的第一个Conv2d层，该层的权重张量可通过.weight直接获取（比parameters()更精准，避免混入偏置参数）。这个权重张量的形状为(out_channels, in_channels, kernel_h, kernel_w)，其中out_channels=64对应64个卷积核，取第一个卷积核即可得到目标矩阵。

代码实现 #

# 获取首个卷积核矩阵（保持四维结构，与示例输出格式一致）
first_weight_matrix = model.block_1[0].weight[:1]
print(first_weight_matrix)

输出效果 #

执行后会打印出你需要的内容：

tensor([[[[-0.3215, -0.0771,  0.4429],
          [-0.6455, -0.0827, -0.4266],
          [-0.2029, -0.2288,  0.1696]]]])

补充说明 #

• 如果你只需要三维结构（去掉最外层的维度），可以用model.block_1[0].weight[0]，输出会是[[[-0.3215, ...]]]
• 避免使用list(model.parameters())或list(model.block_1[0].parameters())，这类方法会返回全部参数（含偏置）且输出冗余，直接访问.weight更高效精准

内容的提问来源于stack exchange，提问作者CasellaJr