在代碼裏面輸出一下子：
import torch
import torch.nn as nn
class Net(nn.Module):
def __init__(self):
super().__init__()
self.fc1 = nn.Linear(3, 4)
self.relu1 = nn.ReLU()
self.fc2 = nn.Linear(4, 1)
self.sequence = nn.Sequential(
nn.Linear(5, 4),
nn.MaxPool2d(2, 2)
)
def forward(self, x):
o = self.fc1(x)
o = self.relu1(o)
o = self.fc2(o)
return o
net = Net()
# Parameter類是在Tensor上封裝起來的，也有is_leaf的bool值
print('parameter start')
for name, parameter in net.named_parameters():
print(name)
print(type(parameter))
print(parameter.is_leaf)
print('parameter end')
print('****************************************************')
print(isinstance(torch.nn.parameter.Parameter, torch.Tensor))
print(type(net.fc1))
print('module start')
# module類（包裹Conv2d等），是模型類不是張量，不存在is_leaf函數
for name, module in net.named_modules():
print(name)
print(type(module))
print('module end')
print('****************************************************')
# Conv2d及Linear類，是模型類不是張量，不存在is_leaf函數
print('child start')
for name, child in net.named_children():
print(name)
print(type(child))
print('child end')
輸出結果爲：
parameter start
fc1.weight
<class 'torch.nn.parameter.Parameter'>
True
fc1.bias
<class 'torch.nn.parameter.Parameter'>
True
fc2.weight
<class 'torch.nn.parameter.Parameter'>
True
fc2.bias
<class 'torch.nn.parameter.Parameter'>
True
sequence.0.weight
<class 'torch.nn.parameter.Parameter'>
True
sequence.0.bias
<class 'torch.nn.parameter.Parameter'>
True
parameter end
****************************************************
False
<class 'torch.nn.modules.linear.Linear'>
module start
<class '__main__.Net'>
fc1
<class 'torch.nn.modules.linear.Linear'>
relu1
<class 'torch.nn.modules.activation.ReLU'>
fc2
<class 'torch.nn.modules.linear.Linear'>
sequence
<class 'torch.nn.modules.container.Sequential'>
sequence.0
<class 'torch.nn.modules.linear.Linear'>
sequence.1
<class 'torch.nn.modules.pooling.MaxPool2d'>
module end
****************************************************
child start
fc1
<class 'torch.nn.modules.linear.Linear'>
relu1
<class 'torch.nn.modules.activation.ReLU'>
fc2
<class 'torch.nn.modules.linear.Linear'>
sequence
<class 'torch.nn.modules.container.Sequential'>
child end
可見，named_parameters()輸出模型中每一個參數的名稱（字符串）與這個參數（Parameter類）；而named_modules()與named_children()則輸出的是每一塊模型的名稱（字符串）與這個模型（Conv2d、Linear、Sequence或者是'__main.Net'類）。
其中modules與children又有區別：modules會迭代式地找到每一個模型（例如<class '__main__.Net'>或者是sequential的內部），而children則只會找到直接的子模型，不包含自己（<class '__main__.Net'>）或是孫子模型（sequential內部的）。
torch.nn.Conv2d、torch.nn.BatchNorm2d等等，都是torch.nn.Module類的子類：
issubclass(torch.nn.Conv2d, torch.nn.Module)
>> True