关于#神经网络#的问题：训练优化获得权重参数包括全连接层的权重参数吗（相关搜索：卷积神经网络）

# 导入所需库
import torch
import torch.nn as nn
import torch.optim as optim

# 定义神经网络模型
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc = nn.Linear(10, 2)  # 全连接层，输入特征数为10，输出特征数为2

    def forward(self, x):
        x = self.fc(x)
        return x

# 实例化模型
net = Net()

# 定义损失函数和优化器
criterion = nn.CrossEntropyLoss()
optimizer = optim.SGD(net.parameters(), lr=0.001)

# 训练过程
for epoch in range(100):
    # 前向传播
    output = net(input_data)
    # 计算损失
    loss = criterion(output, target)
    # 反向传播
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()

# 获取训练后的权重参数
weights = net.fc.weight.data