在尝试创建一个神经网络并使用Pytorch进行优化时，我遇到了

ValueError: optimizer got an empty parameter list

以下是代码。

import torch.nn as nnimport torch.nn.functional as Ffrom os.path import dirnamefrom os import getcwdfrom os.path import realpathfrom sys import argvclass NetActor(nn.Module):    def __init__(self, args, state_vector_size, action_vector_size, hidden_layer_size_list):        super(NetActor, self).__init__()        self.args = args        self.state_vector_size = state_vector_size        self.action_vector_size = action_vector_size        self.layer_sizes = hidden_layer_size_list        self.layer_sizes.append(action_vector_size)        self.nn_layers = []        self._create_net()    def _create_net(self):        prev_layer_size = self.state_vector_size        for next_layer_size in self.layer_sizes:            next_layer = nn.Linear(prev_layer_size, next_layer_size)            prev_layer_size = next_layer_size            self.nn_layers.append(next_layer)    def forward(self, torch_state):        activations = torch_state        for i,layer in enumerate(self.nn_layers):            if i != len(self.nn_layers)-1:                activations = F.relu(layer(activations))            else:                activations = layer(activations)        probs = F.softmax(activations, dim=-1)        return probs

然后是调用

        self.actor_nn = NetActor(self.args, 4, 2, [128])        self.actor_optimizer = optim.Adam(self.actor_nn.parameters(), lr=args.learning_rate)

给出了非常明确的错误

ValueError: optimizer got an empty parameter list

我很难理解网络定义中的哪部分使得网络拥有参数。

我正在遵循并扩展我在Pytorch教程代码中找到的示例。

我实在无法分辨我的代码和他们的代码之间的区别，这使得我的代码认为它没有参数可以优化。

如何使我的网络像链接的示例那样拥有参数？

回答：

你的NetActor并没有直接存储任何nn.Parameter。此外，它最终在forward中使用的所有其他层都以一个简单列表的形式存储在self.nn_layers中。
如果你希望self.actor_nn.parameters()知道存储在列表self.nn_layers中的项目可能包含可训练参数，你应该使用容器。
具体来说，将self.nn_layers变成一个nn.ModuleList而不是一个简单的列表应该可以解决你的问题：

self.nn_layers = nn.ModuleList()