PyTorch: state_dict 和 parameters() 有什么区别？

为了访问 PyTorch 模型的参数，我看到了两种方法：

我想知道它们有什么区别，或者一种是好的做法而另一种是坏的做法。

谢谢

回答：

parameters() 只提供模块的参数，即权重和偏置。

返回模块参数的迭代器。

您可以按以下方式检查参数列表：

for name, param in model.named_parameters():    if param.requires_grad:        print(name)

另一方面，state_dict 返回一个包含模块完整状态的字典。查看其源代码，它不仅包含对 parameters 的调用，还包括 buffers 等。

参数和持久缓冲区（例如运行平均值）都被包含在内。键是相应的参数和缓冲区名称。

使用以下方式检查 state_dict 包含的所有键：

model.state_dict().keys()

例如，在 state_dict 中，您会发现如 bn1.running_mean 和 running_var 这样的条目，这些在 .parameters() 中是没有的。

如果您只想访问参数，可以简单地使用 .parameters()，而对于像在迁移学习中保存和加载模型这样的目的，您需要保存 state_dict 而不仅仅是参数。

学技术