为何torch.nn.Parameter在打印Net对象时未被列出？

这个问题我之前也碰到过，一开始也纳闷为啥明明参数能正常参与反向传播，打印模型的时候却看不到它。其实这是PyTorch对子模块和独立参数的处理逻辑不一样导致的。

核心原因 #

先拆解你代码里的两个成员变量：

• self.layer是nn.Linear的实例，属于nn.Module的子类。PyTorch会自动把它注册为模型的子模块，存入self._modules字典中。当你打印模型时，默认的__repr__方法会遍历这个字典，把所有子模块都列出来，所以你能看到(layer): Linear(...)的输出。
• self.parameter是nn.Parameter实例，它会被自动注册到模型的self._parameters字典里，但这个字典里的内容默认不会被包含在模型的打印输出中。这就是为啥它能正常参与反向传播（net.parameters()能找到它），但打印模型时看不到的原因。

让参数显示出来的两种方法 #

方法一：用nn.ParameterList/nn.ParameterDict包裹参数

ParameterList和ParameterDict都是nn.Module的子类，会被当作子模块注册，打印时就会显示出来：

import torch
import torch.nn as nn
class MyNet(torch.nn.Module):
    def __init__(self):
        super(MyNet, self).__init__()
        self.layer = nn.Linear(10, 10)
        # 用ParameterList包裹单个参数
        self.parameter = nn.ParameterList([nn.Parameter(torch.zeros(10,10, requires_grad=True))])
        # 或者用ParameterDict（适合多参数场景）
        # self.parameter = nn.ParameterDict({'my_param': nn.Parameter(torch.zeros(10,10, requires_grad=True))})
net = MyNet()
print(net)

此时输出会包含参数的信息：

MyNet(
(layer): Linear(in_features=10, out_features=10, bias=True)
(parameter): ParameterList(
(0): Parameter containing: [torch.float32 of size 10x10]
)
)

方法二：重写模型的__repr__方法

手动在打印内容里添加参数的信息，自由度更高：

import torch
import torch.nn as nn
class MyNet(torch.nn.Module):
    def __init__(self):
        super(MyNet, self).__init__()
        self.layer = nn.Linear(10, 10)
        self.parameter = torch.nn.Parameter(torch.zeros(10,10, requires_grad=True))
    
    def __repr__(self):
        # 先调用父类的repr获取子模块信息，再追加参数信息
        base_repr = super().__repr__()
        param_repr = f"\n  (parameter): Parameter({self.parameter.shape})"
        return base_repr + param_repr

net = MyNet()
print(net)

输出会变成：

MyNet(
(layer): Linear(in_features=10, out_features=10, bias=True)
)
(parameter): Parameter(torch.Size([10, 10]))

补充验证 #

你可以运行print(list(net.parameters()))，会发现self.parameter确实在模型的参数集合里，这也是它能正常反向传播的原因——它已经被PyTorch正确注册了，只是默认的打印逻辑没包含它而已。

内容的提问来源于stack exchange，提问作者flawr