pytorch

1.Module

model.parameters()

返回一个生成器，item(只包含parameter，不包含buffer)为tensor和requires_grad

model.state_dict()

返回一个OrderedDict（包含parameter和buffer），key为元素的名字(用.来得到下属元素，eg model.1.bias)，value为tensor

model.modules()

返回一个生成器，item为网络层

model.buffers()

返回一个生成器，item为tensor

model.children()

返回一个生成器，item为Module

register_parameter(self, name: str, param: Optional[Parameter])

register_parameter在model中注册一个torch.nn.Parameter()，可以在model.parameters()和model.state_dict()显示，

get_parameter(target: str) -> tensor和requires_grad

named_parameters() -> generator

当不知道parameter的name时，可以通过named_parameters()对parameter的key和value进行索引,

register_buffer(name: str, tensor: Optional[Tensor], persistent: bool = True)

persistent为True时，buffer会在model.state_dict()中；反之则反。

get_buffer(target: str) -> tensor

named_buffers()-> generator

当不知道buffer的name时，可以通过named_buffer()对buffer的key和value进行索引,

add_module(name: str, module: Optional['Module'])

输入的模型可以是Module、Sequential

get_submodule(target: str) -> Sequential or Submodel

named_children() -> generator

仅返回模型中子模型的网络层

named_modules() -> generator

返回整个模型中所有的网络层

register_forward_hook(hook)

hook(module, input, output) -> None or modified output
注册一个前向传播的钩子函数，当模型调用forward时，钩子函数会保存某一层的前向传播结果

register_backward_hook(hook)

hook(module, input, output) -> None or modified output
注册一个前向传播的钩子函数，当模型调用forward时，钩子函数会保存某一层的前向传播结果