把每个睡醒后的早晨当成一件礼物，把每个开心后的微笑当成一个习惯。朋友，短信祝早上好，愿你微笑今天，快乐永远！有勇气并不表示恐惧不存在，而是敢面对恐惧克服恐惧。
pytorch中我们有时候可能需要设定某些变量是参与训练的，这时候就需要查看哪些是可训练参数，以确定这些设置是成功的。
pytorch中model.parameters()函数定义如下：
def parameters(self):
r"""Returns an iterator over module parameters.
This is typically passed to an optimizer.
Yields:
Parameter: module parameter
Example::
>>> for param in model.parameters():
>>> print(type(param.data), param.size())
<class 'torch.FloatTensor'> (20L,)
<class 'torch.FloatTensor'> (20L, 1L, 5L, 5L)
"""
for name, param in self.named_parameters():
yield param
所以，我们可以遍历named_parameters()中的所有的参数，只打印那些param.requires_grad=True的变量。具体实现代码如下所示：
for name, param in model.named_parameters():
if param.requires_grad:
print(name)
这样打印出的结果就是模型中所有的可训练参数列表！
以上这篇在pytorch中查看可训练参数的例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
