PyTorch模型参数不更新？检查一下你是不是没用nn.ModuleList

上周在实验室调试一个简单的图像分类模型时，遇到了一个令人抓狂的问题——训练了20个epoch，损失函数纹丝不动。作为PyTorch老手，我检查了数据加载、损失函数、优化器设置，甚至怀疑是不是GPU显存溢出导致计算中断。最后发现，问题出在一个看似微不足道的细节：用普通Python列表存储了nn.Linear层。这个教训让我意识到，PyTorch中模块容器的选择直接影响参数能否被正确注册和更新。

1. 问题重现：为什么参数会"消失"？

让我们通过一个典型错误案例来理解这个陷阱。假设我们要构建一个三层的全连接网络：

python复制import torch.nn as nn

class FaultyModel(nn.Module):
    def __init__(self):
        super().__init__()
        # 错误示范：使用普通Python列表
        self.layers = [
            nn.Linear(784, 256),
            nn.ReLU(),
            nn.Linear(256, 10)
        ]
    
    def forward(self, x):
        for layer in self.layers:
            x = layer(x)
        return x

这个模型看起来完全合理，但在训练时会发现第二层的参数始终不更新。原因在于PyTorch的模块注册机制：

• 参数注册机制：PyTorch通过nn.Module的__setattr__方法自动追踪子模块
• 普通列表的缺陷：Python列表不会触发PyTorch的模块注册流程
• 后果：model.parameters()不会包含这些"隐藏"的参数

可以通过以下代码验证问题：

python复制model = FaultyModel()
params = list(model.parameters())
print(f"可训练参数数量：{len(params)}")  # 输出为0