如何通过索引访问PyTorch模型参数并更新指定层权重？

这里提供两种可直接生效的实现方式，均不需要额外的回写操作：

方案1：直接访问第一层属性（最稳妥） #

你的Actor类中第一层全连接层明确命名为fc1，直接操作它的内部张量即可：

# 直接获取第一层权重的底层数据引用
fc1_weight = myModel.fc1.weight.data
# 执行你的修改逻辑，原地修改会直接同步到模型参数中
fc1_weight[ind_cr, :] = 目标值 # 举个修改示例
# 如果需要修改第一层偏置，操作myModel.fc1.bias.data即可

方案2：通过参数列表索引修改 #

如果你需要通过parameters()返回的列表操作，注意做原地修改：

# 仅生成一次参数列表即可，不要放在循环中重复生成
params = list(myModel.parameters())
# params[0]对应fc1的权重，params[1]对应fc1的偏置
first_layer_weight = params[0].data
# 用[:]做原地赋值，不要直接给first_layer_weight变量赋新张量，否则会断开和原模型的引用
first_layer_weight[:] = 修改后的张量

你原有的交叉逻辑不需要遍历named_parameters，也不需要重复生成参数列表，直接操作两个模型的fc1层权重即可：

import random
# 直接获取两个模型第一层权重的底层引用，原地修改直接生效
y1 = gene1.fc1.weight.data
y2 = gene2.fc1.weight.data

try:
    num_cross_overs = random.randint(0, int(y1.shape[0] * 0.3))
except:
    num_cross_overs = 1

for i in range(num_cross_overs):
    receiver_choice = random.random()
    if receiver_choice < 0.5:
        ind_cr = random.randint(0, y1.shape[0]-1)
        y1[ind_cr, :] = y2[ind_cr, :]
    else:
        ind_cr = random.randint(0, y1.shape[0]-1)
        y2[ind_cr, :] = y1[ind_cr, :]
# 执行完成后两个gene的第一层权重已经完成更新，可直接作为子代使用

原代码不生效的原因 #

• 将生成参数列表的逻辑放在了遍历parameter的循环中，每次循环都会重新生成列表，容易出现操作对象不一致的问题
• 如果直接给y1/y2变量赋值了新的张量，会断开和原模型参数的引用，导致修改无法同步到模型中

内容的提问来源于stack exchange，提问作者BiozterzCodes