pytorch 中的Tensor.detach介绍
detach的作用
Tensor.detach() 的作用是阻断反向梯度传播,当我们再训练网络的时候可能希望保持一部分的网络参数不变,只对其中一部分的参数进行调整;或者值训练部分分支网络,并不让其梯度对主网络的梯度造成影响,这时候我们就需要使用detach()函数来切断一些分支的反向传播,例如在生成对抗网络的训练当中,在训练判别器的时候不需要生成器进行反向梯度传播,这时候就会使用到 detach()。
detach文档说明
- 返回一个新的 Tensor,与当前计算图形分离。
- 结果永远不需要梯度,requires_grad为false
- 这种方法也会影响前向模式 AD 梯度,结果永远不会有前向模式 AD 梯度。
- 返回的 Tensor 与原始张量共享相同的存储。将看到对它们中的任何一个进行就地修改,另一个也会发生改变
如何使用detach
import torcha = torch.tensor([1, 2, 3.], requires_grad=True)
print(a.grad)
out = a.sigmoid()out.sum().backward()
print(a.grad)
'''返回:
None
tensor([0.2139, 0.2217, 0.2445])
'''
当使用detach()分离tensor但是没有更改这个tensor时,并不会影响backward()
# %%
import torcha = torch.tensor([0.8, 0.7, 0.3], requires_grad=True)
print(a.grad)
out = a.sigmoid()
print(out)#添加detach(),c的requires_grad为False
c = out.detach()
print(c)#使用新生成的Variable进行反向传播
c.sum().backward()
print(a.grad)
打印结果
当使用detach()分离tensor,然后用这个分离出来的tensor去求导数,会影响backward(),会出现错误
# %%
import torcha = torch.tensor([0.8, 0.7, 0.3], requires_grad=True)
print(a.grad)
out = a.sigmoid()
print(out)#添加detach(),c的requires_grad为False
c = out.detach()
print(c)#使用新生成的Variable进行反向传播
c.sum().backward()
print(a.grad)''' 执行结果
None
tensor([0.6900, 0.6682, 0.5744], grad_fn=<SigmoidBackward>)
tensor([0.6900, 0.6682, 0.5744])
RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn'''
当使用detach()分离tensor并且更改这个tensor时,即使再对原来的out求导数,会影响backward(),会出现错误
# %%
import torcha = torch.tensor([0.8, 0.7, 0.3], requires_grad=True)
print(a.grad)
out = a.sigmoid()
print(out)#添加detach(),c的requires_grad为False
c = out.detach()
print(c)
c.zero_() #使用in place函数对其进行修改#会发现c的修改同时会影响out的值
print(c)
print(out)#这时候对c进行更改,所以会影响backward(),这时候就不能进行backward(),会报错
out.sum().backward()
print(a.grad)'''执行结果
None
tensor([0.6900, 0.6682, 0.5744], grad_fn=<SigmoidBackward>)
tensor([0.6900, 0.6682, 0.5744])
tensor([0., 0., 0.])
tensor([0., 0., 0.], grad_fn=<SigmoidBackward>)RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.FloatTensor
[3]], which is output 0 of SigmoidBackward, is at version 1; expected version 0 instead. Hint: enable anomaly detection to find the
operation that failed to compute its gradient, with torch.autograd.set_detect_anomaly(True).'''
detach_()
其实就相当于变量之间的关系本来是x -> m -> y,这里的叶子tensor是x,但是这个时候对m进行了m.detach_()操作,其实就是进行了两个操作:
- 将m的grad_fn的值设置为None,这样m就不会再与前一个节点x关联,这里的关系就会变成x, m -> y,此时的m就变成了叶子结点
- 然后会将m的requires_grad设置为False,这样对y进行backward()时就不会求m的梯度
其实detach()和detach_()很像,两个的区别就是detach_()是对本身的更改,detach()则是生成了一个新的tensor
比如x -> m -> y中如果对m进行detach(),如果还想对原来的计算图进行操作是可以的。
参考文档:https://blog.csdn.net/qq_27825451/article/details/95498211
pytorch 中的Tensor.detach介绍相关推荐
- 实践教程 | 浅谈 PyTorch 中的 tensor 及使用
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 作者 | xiaopl@知乎(已授权) 来源 | https://z ...
- 【深度学习理论】一文搞透pytorch中的tensor、autograd、反向传播和计算图
转载:https://zhuanlan.zhihu.com/p/145353262 前言 本文的主要目标: 一遍搞懂反向传播的底层原理,以及其在深度学习框架pytorch中的实现机制.当然一遍搞不定两 ...
- pytorch中torch.optim的介绍
pytorch中torch.optim的介绍 这是torch自带的一个优化器,里面自带了求导,更新等操作.开门见山直接讲怎么使用: 常用的引入: import torch.optim as optim ...
- Python数据类型、Numpy数据类型和Pytorch中的tensor类型间的相互转化
数据类型包括Python数据类型.Numpy数据类型和Pytorch中的tensor,Pytorch中的tensor又包括CPU上的数据类型和GPU上的数据类型. 一.Python数据类型 Pytho ...
- PyTorch中使用Tensor作为索引
一维Tensor作为索引 在Numpy中,我们可以传入数组作为索引,称为花式索引.这里只演示使用两个一维List的例子. In[42]: a=np.arange(18).reshape(6,3) In ...
- python/pytorch中的一些函数介绍
看cvt代码,记录里面的一些不认识的函数或功能. 1 collections.OrderedDict 包含:from collections import OrderedDict 作用:建立有序的键值 ...
- pyTorch中tensor运算
文章目录 PyTorch的简介 PyTorch中主要的包 PyTorch的安装 使用GPU的原因 使数据在GPU上运行 什么使Tensor(张量) 一些术语介绍 Tensor的属性介绍(Rank,ax ...
- pytorch中tensor、backward一些总结
目录 说明 Tensor Tensor的创建 Tensor(张量)基本数据类型与常用属性 Tensor的自动微分 设置不可积分计算 pytorch 计算图 backward一些细节 该文章解决问题如下 ...
- pytorch中的卷积操作详解
首先说下pytorch中的Tensor通道排列顺序是:[batch, channel, height, width] 我们常用的卷积(Conv2d)在pytorch中对应的函数是: torch.nn. ...
最新文章
- Sublime Text 2报“Decode error - output not utf-8”错误的解决办法
- 探秘 | 平安人寿人工智能研发团队北京研发中心
- c#中怎样取得某坐标点的颜色
- C# 线程的定义和使用
- 机器学习-算法背后的理论与优化(part1)--从线性回归到逻辑回归
- 著名开源项目_著名开源项目案例研究
- Missing artifact com.oracle:ojdbc6:jar:11.2.0.1.0问题解决 ojdbc包pom.xml出错
- BGP-13 配置BGP多路径发布
- Charades数据集
- 人事管理系统都有哪些功能和优势?
- 物联网学习之路——物联网通信技术简介
- python怎么下载panda包_pandas python下载
- centos修改ftp服务器密码是什么,centos ftp服务器密码忘记了
- python可能实现办公自动化吗,让工作化繁为简:用Python实现办公自动化
- 山东罕见姓氏百家姓都没有,翻家谱竟是皇室后裔,专家:是真的
- Python网页编程(CGI)
- Linux打开wim文件,linux笔记 wim编辑器
- 类选择器和ID选择器的区别
- 【第二届青训营-寒假前端场】- 「小游戏开发」笔记
- Win7系统如何用记事本打开文件?