Model Parameters مقادیر قابل‌آموزشی مانند وزن‌ها و بایاس‌ها هستند که رفتار مدل را پس از آموزش تعیین می‌کنند. تعداد پارامترها یکی از شاخص‌های اندازه مدل است اما به‌تنهایی کیفیت را مشخص نمی‌کند.

پارامتر با ابرپارامتر تفاوت دارد: پارامتر از داده آموخته می‌شود، اما ابرپارامتر مانند Learning Rate توسط طراح فرایند انتخاب می‌شود.

Weight و Bias از پارامترهای آموختنی هستند، اما Learning Rate و Batch Size معمولاً Hyperparameter محسوب می‌شوند. تمایز این دو برای طراحی آزمایش مهم است.