zoukankan      html  css  js  c++  java
  • PyTorch学习之自动求导机制-Volatile标志

    修改官方文档的错误

    运行官方文档中的代码可能会报错(维度不一致):

    Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
    File "e:Anaconda3libsite-packages orch nmodulesmodule.py", line 489, in __call__
    result = self.forward(*input, **kwargs)
    File "e:Anaconda3libsite-packages orchvisionmodels esnet.py", line 150, in forward
    x = self.conv1(x)
    File "e:Anaconda3libsite-packages orch nmodulesmodule.py", line 489, in __call__
    result = self.forward(*input, **kwargs)
    File "e:Anaconda3libsite-packages orch nmodulesconv.py", line 320, in forward
    self.padding, self.dilation, self.groups)
    RuntimeError: Expected 4-dimensional input for 4-dimensional weight [64, 3, 7, 7], but got 2-dimensional input of size [5, 5] instead

    因为model需要四维变量,而官方文档中的是二维变量,所以会报错

    修改方法:去掉Variable函数,这是0.4版本的函数,我们现在使用的大多数是1.0版本

    regular_input=torch.randn(1,3,224,224)#默认是True   
    volatile_input=torch.randn(1,3,224,224)
    Model=torchvision.models.resnet18(pretrained=True)
    Model(regular_input).requires_grad
    with torch.no_grad():
    Model(volatile_input).requires_grad

    总结:(1)requires_grad=Fasle时不需要更新梯度, 适用于冻结某些层的梯度;
    volatile=True相当于requires_grad=False,适用于推断阶段,不需要反向传播。这个现在已经取消了,使用with torch.no_grad()来替代

  • 相关阅读:
    Wannafly挑战赛14 F.细胞
    D 勤奋的杨老师(二)(最小割)
    三分算法求最值
    初识最大流
    初识数据结构
    决策型DP
    哈希表
    【BZOJ】1878: [SDOI2009]HH的项链 (主席树)
    【HDU】1520 Anniversary party(树形dp)
    【UVa】1606 Amphiphilic Carbon Molecules(计算几何)
  • 原文地址:https://www.cnblogs.com/cola-1998/p/10977479.html
Copyright © 2011-2022 走看看