导读 在PyTorch深度学习框架中，`model parameters()` 是一个非常实用且基础的功能。简单来说，它返回模型中所有可训练参数（如权重和偏置）的
在PyTorch深度学习框架中，`model.parameters()` 是一个非常实用且基础的功能。简单来说，它返回模型中所有可训练参数（如权重和偏置）的迭代器。这些参数是神经网络的核心，它们通过反向传播不断调整以优化模型性能。当你使用 `optim.SGD(model.parameters(), lr=0.01)` 这样的代码时，实际上就是将模型的所有参数传递给优化器，以便更新它们。
例如，假设你正在构建一个简单的全连接神经网络，`model.parameters()` 会包含每一层的权重矩阵和偏置向量。这使得我们可以轻松地对整个模型进行操作，而无需逐层手动处理每个参数。此外，`requires_grad=True` 的参数默认开启梯度计算，这意味着这些参数会在训练过程中被自动记录，方便后续更新。
💡 使用 `model.parameters()` 可以简化代码逻辑，同时保持灵活性，是每位PyTorch开发者必备的知识点之一。💪