Pytorch 如何将self.u模块的self.u字典中的参数添加到self.parameters？

考虑这个简单的例子：

import torch

class MyModule(torch.nn.Module):
    def __init__(self):
        super(MyModule, self).__init__()
        self.conv_0=torch.nn.Conv2d(3,32,3,stride=1,padding=0)
        self.blocks=torch.nn.ModuleList([
            torch.nn.Conv2d(3,32,3,stride=1,padding=0),
            torch.nn.Conv2d(32,64,3,stride=1,padding=0)])

        #the problematic part
        self.dict_block={"key_1": torch.nn.Conv2d(64,128,3,1,0),
                "key_2": torch.nn.Conv2d(56,1024,3,1,0)}

if __name__=="__main__":
    my_module=MyModule()
    print(my_module.parameters)

我在这里得到的输出是（请注意，

self.dict\u block

中的参数丢失）

---

在使用我的乐观主义者之前。但是，我认为可能有一种更直接的替代方法，将

self.dict\u block

的参数添加到

my\u module\u对象的参数中。如前所述，接近的是
nn.参数（…）
，但这要求输入是张量。
找到了答案。如果有人遇到同样的问题，请发布：

查看
/torch/nn/modules/container.py
似乎有一个类
torch.nn.moduledit
就是这样做的。因此，在我在问题中给出的示例中，解决方案是：

self.dict_block=torch.nn.ModuleDict({"key_1": torch.nn.Conv2d(64,128,3,1,0),
            "key_2": torch.nn.Conv2d(56,1024,3,1,0)})

您应该为子模块使用
torch.nn
容器。
my_optimiser.add_param_group({"params": params_from_self_dict})

self.dict_block=torch.nn.ModuleDict({"key_1": torch.nn.Conv2d(64,128,3,1,0),
            "key_2": torch.nn.Conv2d(56,1024,3,1,0)})