pytorch查看全連接層的權重和梯度

比如，建了一個兩層全連接層的神經網絡：

class LinearClassifier_2layer(nn.Module):
    def __init__(self,  last_layer_dim=None, n_label=None):
        super(LinearClassifier_2layer, self).__init__()

        self.classifier = nn.Sequential(
            nn.Linear(last_layer_dim, 2*last_layer_dim),
            nn.ReLU(),
            nn.Linear(2*last_layer_dim, n_label)
        )


    def forward(self, x):
        return self.classifier(x)

model = LinearClassifier_2layer(512, 10)

 

然后，用這個神經網絡訓練。訓練過程中，如果想查看權重或梯度：

model.classifier[0].weight[:3, :3]    # 查看第一層全連接層的一部分權重
model.classifier[0].weight.grad[:3, :3]    # 查看第一層全連接層的一部分梯度

model.classifier[1].weight[:3, :3]    # 查看第二層全連接層的一部分權重
model.classifier[1].weight.grad[:3, :3]    # 查看第一層全連接層的一部分梯度