我想知道PyTorch参数和张量有什么不同?
现有的answer是针对使用变量的旧PyTorch的吗?
发布于 2019-06-22 02:14:14
这就是一张图片中Parameter类(附带的)的全部思想。

因为它是Tensor的子类,所以它是张量。
但是有一个诀窍。模块内的参数将添加到模块参数列表中。如果你的模块是m,m.parameters()将保存你的参数。
示例如下:
class M(nn.Module):
def __init__(self):
super().__init__()
self.weights = nn.Parameter(torch.randn(2, 2))
self.bias = nn.Parameter(torch.zeros(2))
def forward(self, x):
return x @ self.weights + self.bias
m=M()
m.parameters()
list(m.parameters())
---
[Parameter containing:
tensor([[ 0.5527, 0.7096],
[-0.2345, -1.2346]], requires_grad=True), Parameter containing:
tensor([0., 0.], requires_grad=True)]您可以看到参数将如何显示我们定义的内容。如果我们只是在类中添加一个张量,比如self.t = Tensor,它将不会显示在参数列表中。从字面上看就是这样。没什么花哨的。
https://stackoverflow.com/questions/56708367
复制相似问题