用pytorch訓練一個神經網路時，我們通常會很關心模型的引數總量。下面分別介紹來兩種方法求模型引數

一 .求得每一層的模型引數，然後自然的可以計算出總的引數。

1.先初始化一個網路模型model

比如我這裡是 model=cliqueNet(裡面是些初始化的引數）

2.呼叫model的Parameters類獲取引數列表

一個典型的操作就是將引數列表傳入優化器裡。如下

 optimizer = optim.Adam(model.parameters(),lr=opt.lr)

言歸正傳，繼續回到引數裡面，引數在網路裡面就是variable,下面分別求每層的尺寸大小和個數。

函式get_number_of_param( ) 裡面的引數就是剛才第一步初始化的model

def get_number_of_param(model):
  """get the number of param for every element"""
  count = 0
  for param in model.parameters():
    param_size = param.size()
    count_of_one_param = 1
    for dis in param_size:
      count_of_one_param *= dis
    print(param.size(),count_of_one_param)
    count += count_of_one_param
    print(count)
  print('total number of the model is %d'%count)

再來看看結果：

torch.Size([64,1,3,3]) 576
576
torch.Size([64]) 64
640
torch.Size([6,36,64,3]) 124416
125056
torch.Size([30,3]) 349920
474976
torch.Size([12,36]) 432
475408
torch.Size([6,216,3]) 419904
895312
torch.Size([30,3]) 349920
1245232
torch.Size([12,36]) 432
1245664
torch.Size([6,3]) 419904
1665568
torch.Size([30,3]) 349920
2015488
torch.Size([12,36]) 432
2015920
torch.Size([6,3]) 419904
2435824
torch.Size([30,3]) 349920
2785744
torch.Size([12,36]) 432
2786176
torch.Size([216,1]) 46656
2832832
torch.Size([216]) 216
2833048
torch.Size([108,216]) 23328
2856376
torch.Size([108]) 108
2856484
torch.Size([216,108]) 23328
2879812
torch.Size([216]) 216
2880028
torch.Size([216,1]) 46656
2926684
torch.Size([216]) 216
2926900
torch.Size([108,216]) 23328
2950228
torch.Size([108]) 108
2950336
torch.Size([216,108]) 23328
2973664
torch.Size([216]) 216
2973880
torch.Size([216,1]) 46656
3020536
torch.Size([216]) 216
3020752
torch.Size([108,216]) 23328
3044080
torch.Size([108]) 108
3044188
torch.Size([216,108]) 23328
3067516
torch.Size([216]) 216
3067732
torch.Size([140,280,1]) 39200
3106932
torch.Size([140]) 140
3107072
torch.Size([216,432,1]) 93312
3200384
torch.Size([216]) 216
3200600
torch.Size([216,1]) 93312
3293912
torch.Size([216]) 216
3294128
torch.Size([9,572,3]) 46332
3340460
torch.Size([9]) 9
3340469
total number of the model is 3340469

可以通過計算驗證一下，發現引數與網路是一致的。

二：一行程式碼就可以搞定引數總個數問題

2.1 先來看看torch.tensor.numel( )這個函式的功能就是求tensor中的元素個數，在網路裡面每層引數就是多維陣列組成的tensor。

實際上就是求多維陣列的元素個數。看程式碼。

print('cliqueNet parameters:',sum(param.numel() for param in model.parameters()))

當然上面程式碼中的model還是上面初始化的網路模型。

看看兩種的計算結果

torch.Size([64,3]) 46332
3340460
torch.Size([9]) 9
3340469
total number of the model is 3340469
cliqueNet parameters: 3340469

可以看出兩種計算出來的是一模一樣的。

以上這篇pytorch 求網路模型引數例項就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。