import torch as t
x = t.ones(1, requires_grad=True)
x.requires_grad   #True
y = t.ones(1, requires_grad=True)
y.requires_grad   #Truex = x.detach()   #分离之后
x.requires_grad   #Falsey = x+y         #tensor([2.])
y.requires_grad   #我还是True
y.retain_grad()   #y不是叶子张量,要加上这一行z = t.pow(y, 2)
z.backward()    #反向传播y.grad        #tensor([4.])
x.grad        #None

API

Returns a new Tensor, detached from the current graph.
返回的Tensor和原来的Tensor共享相同的存储空间,但是返回的Tensor没有梯度

参考:
https://blog.csdn.net/qq_39463274/article/details/105157719
https://pytorch.org/docs/stable/autograd.html?highlight=detach#torch.Tensor.detach

pytorch tensor.detach相关推荐

  1. 【深度学习】pytorch自动求导机制的理解 | tensor.backward() 反向传播 | tensor.detach()梯度截断函数 | with torch.no_grad()函数

    提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言 一.pytorch里自动求导的基础概念 1.1.自动求导 requires_grad=True 1.2.求导 requ ...

  2. pytorch的两个函数 tensor.detach(),tensor.detach_(),tensor.clone() 的作用和区别

    前言:当我们在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 ...

  3. 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 ...

  4. PyTorch中 tensor.detach() 和 tensor.data 的区别

    原文链接请参考:https://dreamhomes.top/posts/201906081516/ PyTorch0.4中,.data 仍保留,但建议使用 .detach(), 区别在于 .data ...

  5. pytorch Tensor及其基本操作

    转自: https://zhuanlan.zhihu.com/p/36233589 由于之前的草稿都没了,现在只有重写-. 我好痛苦 本章只是对pytorch的常规操作进行一个总结,大家看过有脑子里有 ...

  6. pytorch Tensor转numpy并解决RuntimeError: Can‘t call numpy() on Tensor that requires grad.报错

    解决方法 转numpy时使用Tensor.detach().numpy(): a = torch.ones(5) b = a.detach().numpy() print(b) 问题解析 当计算中的t ...

  7. python numpy.arry, pytorch.Tensor及原生list相互转换

    文章目录 python numpy.arry, pytorch.Tensor及原生list相互转换 1 原生list转numpy list 2 numpy.array 转原生list 3 numpy. ...

  8. pytorch tensor求向量的模长

    想要求pytorch tensor中某个2048维度的向量的模长,可以先相乘,然后再用sum求和. 假设 v是一个2048维的向量,则可以利用一下两个语句求出模长的平方. sq = v * vsum_ ...

  9. PyTorch Tensor 的形状

    PyTorch Tensor 的形状 标量 (Scalar) 向量 (Vector) 矩阵 (Matrix) 图片展示 标量 (Scalar) 标量 (Scalar) 由一个值组成. (0维) # S ...

最新文章

  1. supervisor 管理进程
  2. javascript与DOM的渊源
  3. 五分钟入门文本处理三剑客grep awk sed
  4. SAP 批次管理(Batch management)
  5. Centos 的inotify和rsync文件实时同步
  6. Pyhton学习——Day25
  7. c++ primer5 第一章书籍上的一些代码
  8. js对象写入键值对_41 利用字面量创建对象
  9. .7 二叉查找树的 建立 insert search remove 操作
  10. XStream入门应用程序
  11. rabbitmq 消息持久化
  12. iPhone SDK开发基础之使用UITabBarController组织和管理UIView
  13. 如何加声调口诀_拼音声调口诀
  14. Fujitsu Lifebook U1010安装XP TabletPC 2005完全攻略
  15. wpsmac历史版本_wps for mac下载-WPS mac版2021最新版下载V3.0.2(4882)官方正式版__西西软件下载...
  16. java实现压缩包嵌套压缩包的下载
  17. Fatal signal 11 (SIGSEGV) at 0x00000048 (code=1)
  18. HDU 4009 Transfer water (最小树形图+虚根)
  19. Linux CentOS6和CentOS7设置静态ip
  20. 浪潮存储与虚拟服务器连接失败,浪潮-异构虚拟化存储研究(示例代码)

热门文章

  1. 使用FlexBox和Json实现类似ComboBox(类似Google的输入提示和自动)功能-基于JQuery-ASP.NET...
  2. 什么是多态 重载 覆盖 继承 最好解释
  3. 3-算法 鸡兔同笼 简单逻辑
  4. 微课--25分钟学会使用Python群发电子邮件
  5. Python实现多进程/多线程同时下载单个文件
  6. 微课|玩转Python轻松过二级(3.1节):列表常用方法
  7. h5 video 手机 显示第一帧_【图像处理二】HDMI显示(一)
  8. vs2015+opencv3.2.0配置的一些小事情
  9. python装饰器property_python装饰器: @property
  10. 简短介绍_简短的自我介绍