PyTorch以其灵活性和动态图特性著称，使得获取模型权重变得既直接又高效

    当你需要深入分析模型性能、进行模型微调或是迁移学习时，精准掌握并操作这些权重是不可或缺的

     通过PyTorch，你可以轻松地访问并获取任何层的权重

    利用`.parameters()`或`.state_dict()`方法，你可以一次性捕获模型的所有参数，包括权重和偏置

    `.parameters()`返回一个包含所有参数的迭代器，适合在训练循环中更新权重；而`.state_dict()`则返回一个字典，键为参数名称，值为对应的参数张量，便于保存、加载或修改特定层的权重

     这种强大的功能使得PyTorch成为研究和工业应用中首选的深度学习框架之一

    无论你是希望微调