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

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
https://blog.csdn.net/leiduifan6944/article/details/103690228

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