神经网络打印模型参数及参数名字和数量
在设计和优化神经网络模型性能时，很多时候需要考虑模型的参数量和计算复杂度，下面一个栗子可以帮助我们快速查看模型的参数。
举个栗子，如有错误，欢迎大家批评指正
本文链接：神经网络打印模型参数及参数名字和数量
神经网络打印模型参数及参数名字和数量
exp：
import torch from torch import nn class Net(nn.Module): def __init__(self): super().__init__() self.fc1 = nn.Linear(3*4*4, 3*5*5) self.conv1 = nn.Sequential( nn.Conv2d(3, 4, 1, 1), # conv1.0 nn.BatchNorm2d(4), # conv1.1 nn.LeakyReLU(), # conv1.2 nn.Conv2d(4, 4, 3, 1), # conv1.3 nn.BatchNorm2d(4), # conv1.4 nn.LeakyReLU(), # conv1.5 ) self.fc2 = nn.Linear(4*3*3, 10) def forward(self, entry): entry = entry.reshape(-1, 3*4*4) fc1_out = self.fc1(entry) fc1_out = fc1_out.reshape(-1, 3, 5, 5) conv1_out = self.conv1(fc1_out) conv1_out = conv1_out.reshape(-1, 4*3*3) fc2_out = self.fc2(conv1_out) return fc2_out if __name__ == '__main__': x = torch.Tensor(2, 3, 4, 4) net = Net() out = net(x) print('%14s : %s' % ('out.shape', out.shape)) print('---------------华丽丽的分隔线---------------') # -------------方法1-------------- sum_ = 0 for name, param in net.named_parameters(): mul = 1 for size_ in param.shape: mul *= size_ # 统计每层参数个数 sum_ += mul # 累加每层参数个数 print('%14s : %s' % (name, param.shape)) # 打印参数名和参数数量 # print('%s' % param) # 这样可以打印出参数，由于过多，我就不打印了 print('参数个数：', sum_) # 打印参数量 # -------------方法2-------------- for param in net.parameters(): print(param.shape) # print(param) # -------------方法3-------------- params = list(net.parameters()) for param in params: print(param.shape) # print(param) 以下是方法1的输出效果：
（方法2和方法3没贴出效果，个人比较喜欢用方法1，因为可以看到当前打印的是哪一层网络的参数）
out.shape : torch.Size([2, 10]) ---------------华丽丽的分隔线--------------- fc1.weight : torch.Size([75, 48]) fc1.bias : torch.Size([75]) conv1.0.weight : torch.Size([4, 3, 1, 1]) conv1.0.bias : torch.Size([4]) conv1.1.weight : torch.Size([4]) conv1.1.bias : torch.Size([4]) conv1.3.weight : torch.Size([4, 4, 3, 3]) conv1.3.bias : torch.Size([4]) conv1.4.weight : torch.Size([4]) conv1.4.bias : torch.Size([4]) fc2.weight : torch.Size([10, 36]) fc2.bias : torch.Size([10]) 参数个数： 4225
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ji-chu/103278.html