nn.Parameter()

nn.Parameter() 是 PyTorch 中的一个类，用于创建可练习的参数（权重和偏置），这些参数会在模型练习过程中主动更新。
nn.Parameter() 具有以下特点：

• nn.Parameter() 继承自 torch.Tensor，因此它本质上也是一个张量（tensor），可以像平凡张量一样进行各种张量利用，例如加法、乘法、索引等。
  
• nn.Parameter() 具有额外的属性 requires_grad，用于指定参数是否须要盘算梯度。默认环境下，requires_grad 的值为 False，即参数不管帐算梯度。当设置为 True 时，参数会在反向传播过程中盘算梯度，而且可以通过优化器进行主动更新。
  
• nn.Parameter() 对象可以作为模型的成员变量，例如通过类的属性进行界说，如许在模型的前向传播和反向传播过程中可以主动辨认并更新这些参数。
  

利用 nn.Parameter() 创建可练习参数的一样平常流程如下：

• 界说一个 nn.Parameter() 对象，可以通过 nn.Parameter(torch.randn(size)) 构造函数传入初始化的张量，其中 size 是参数的外形。
  
• 将界说的 nn.Parameter() 对象作为模型的成员变量，例如通过类的属性进行界说，如许在模型的前向传播和反向传播过程中可以主动辨认并更新这些参数。
  
• 在优化器中指定须要优化的参数，例如利用 optim.SGD、optim.Adam 等优化器的 params 参数，传入模型的可练习参数列表，例如 model.parameters()。
  

总的来说，nn.Parameter() 可以方便地界说和管理模型的可练习参数，而且在模型练习过程中可以主动盘算梯度并更新参数值，是构建神经网络模型时常用的工具。

来源：https://blog.csdn.net/qq_43638337/article/details/130019334
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！