Pytorch 容器 - 3. Module的参数添加：register_parameter()，register_buffer()

最新推荐文章于 2026-06-17 11:52:43 发布

原创

最新推荐文章于 2026-06-17 11:52:43 发布 · 924 阅读

标签

#pytorch #人工智能 #python #深度学习 #module

收录于

本文介绍了PyTorch中Module类的register_parameter()和register_buffer()函数，用于向模型添加参数。register_parameter()添加的参数在训练时可更新且保存在模型状态字典中，而register_buffer()添加的参数不参与训练但也会被保存。普通类属性定义的参数既不参与训练也不被保存。

Module类内置了很多函数，其中本文主要介绍常用的属性设置函数，包括向module添加参数的register_parameter()，register_buffer()。官方文档如下：Module — PyTorch 1.7.0 documentation

这两种方法均可以往模型中额外添加参数。不同的是register_parameter() 添加的参数在模型训练时可以正常更新，但register_buffer()则不进行参数更新。在保存模型时，两者的参数都会保存。

示例1：分别使用以下四种形式来定义参数，查看网络更新的参数

常用的 nn.Sequential() ，即nn.Module子类的形式
使用 register_buffer() 定义参数
使用register_parameter() 定义参数
使用 Net 类的自定义属性定义参数

import torch
import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        # 使用 nn.Sequential定义参数
        self.features