pytorch查看全连接层的权重和梯度

比如，建了一个两层全连接层的神经网络：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

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，用这个神经网络训练。训练过程中，如果想查看权重或梯度：

?

1 2 3 4 5

model.classifier[0].weight[:3, :3]    # 查看第一层全连接层的一部分权重 model.classifier[0].weight.grad[:3, :3]    # 查看第一层全连接层的一部分梯度   model.classifier[1].weight[:3, :3]    # 查看第二层全连接层的一部分权重 model.classifier[1].weight.grad[:3, :3]    # 查看第一层全连接层的一部分梯度