PyTorch中如何设置单个数值作为可训练Parameter参数？

你遇到的类型报错核心是PyTorch 模型的参数属性只能接收 torch.nn.Parameter 类型实例或 None，你直接给已经定义为参数的 self.p1 赋值原生 Python 浮点数 1.0，不符合类型要求，因此触发错误。

方案1：直接在 __init__ 方法中初始化（最推荐） #

定义参数的时候直接传入包装好的初始值张量即可：

import torch
import torch.nn as nn

class CustomModel(nn.Module):
    def __init__(self):
        super().__init__()
        # 单个数值参数，初始值设为1.0，默认开启梯度可训练
        self.p1 = nn.Parameter(torch.tensor(1.0))

方案2：抽离到单独的初始化方法中赋值 #

如果你的初始化逻辑需要单独封装到 _initialize 方法，赋值时也要保持参数类型：

class CustomModel(nn.Module):
    def __init__(self):
        super().__init__()
        # 先占位，后续初始化
        self.p1 = None
    
    def _initialize(self):
        # 赋值时必须将数值包装为张量，再套入nn.Parameter
        self.p1 = nn.Parameter(torch.tensor(1.0))

• 初始的单个数值必须用 torch.tensor() 包装为张量，才能传入 nn.Parameter
• 如果后续需要修改该参数的数值，不要直接替换整个参数实例，建议用 .data 属性修改，避免破坏参数类型：

  # 示例：运行中修改p1的数值为2.0
  self.p1.data = torch.tensor(2.0)
  

内容的提问来源于stack exchange，提问作者hanugm