如何查看PyTorch网络各层参数及对应所属属性？

问题1：未手动声明nn.Parameter也能返回参数的原因，以及查看参数的其他方法 #

• 原因：你调用的nn.Linear是PyTorch内置的网络层类，它的内部已经自动将权重、偏置定义为nn.Parameter类型。同时，当你把nn.Linear这类继承自nn.Module的子模块赋值给自定义网络的实例属性时，父类nn.Module会自动递归收集所有子模块的参数，所以直接调用net.parameters()就能拿到全部参数。
• 查看参数的方法不止.parameters()一种，常见的还有：
  • .named_parameters()：返回迭代器，每个元素是（参数名，参数值）的二元组，可以直接看到参数归属
  • .state_dict()：返回包含网络全部参数的有序字典，键为参数名，值为参数张量

问题2：参数顺序的对应关系，以及确认参数归属的方法 #

• 默认.parameters()返回的参数顺序确实符合你说的规律：顺序为self.linear1权重 → self.linear1偏置 → self.linear2权重 → self.linear2偏置。这个顺序是按照你在__init__方法中定义子模块的先后，以及每个子模块内部参数定义的先后排列的。
• 要直接确认参数对应属性，直接调用.named_parameters()遍历即可，示例代码如下：

for name, param in net.named_parameters():
    print(f"参数名：{name}，参数形状：{param.shape}")

运行后输出结果为：

参数名：linear1.weight，参数形状：torch.Size([2, 5])
参数名：linear1.bias，参数形状：torch.Size([2])
参数名：linear2.weight，参数形状：torch.Size([3, 2])
参数名：linear2.bias，参数形状：torch.Size([3])

直接通过参数名就能直观对应到你定义的linear1、linear2的权重和偏置属性。

内容的提问来源于stack exchange，提问作者JAEMTO