pytorch中自加(+=)与普通加的区别,及原位操作
1 导论
本文阅读时长约为3分钟。
在今年的三大顶会中,利用pytorch做研究的论文已经一枝独秀,这归功于它的易操作性。当然,pytorch中也有一些需要注意的点,如自加和普通加,在一般的语言中两者等价,在pytorch中则是不一致的,是新手常会踩的一个坑,需要理解与掌握。
2 pytorch中的自加(+=)普通加
pytorch有些特殊,普通的加法如果赋给原来的值,其实质上是新开了一个变量,而不是传统意义上的覆盖原来的地址和值。话不多说,上代码:
a = torch.ones((1, ))print(id(a), a) ## 输出其地址(id)及数值 a = a + torch.ones((1, ))print(id(a), a)
其结果是
32258872 tensor([1.])
44322392 tensor([2.])
从上面可以看到,新赋值得到的a地址变为新的了,说明这个新开了一个变量。若想实现覆盖原来的值该怎么办呢?此时可以采用自加,及 += 符号来实现原位操作。类似于上面,继续上代码:
a = torch.ones((1, ))print(id(a), a) ## 输出其地址(id)及数值 a += torch.ones((1, ))print(id(a), a)
其结果是:
35666744 tensor([1.])
35666744 tensor([2.])
此时变量完全覆盖在原来的地址上,覆盖了原来的变量a,即为原位操作。
3 pytorch中的原位操作
为了方便进行原位操作,pytorch中的函数可以在调用之后加下划线 ,强调这是进行原位操作(在模型训练中经常用到的w.grad.zero() 即为原位更新,注意 _ 是放在()之前的),简单得用上述例子进行实现,上述操作也可以这样使用:
a = torch.ones((1, ))print(id(a), a) ## 输出其地址(id)及数值 a.add_(torch.ones((1,)))print(id(a),a)
输出结果也是:
35666744 tensor([1.])
35666744 tensor([2.])
然而,需要注意的是,此种用下划线 _ 的原位操作方法在面对叶子节点的时候不可以使用。因为叶子节点在迭代过程中需要被用到其他量或梯度的求解,不允许被更改,如果轻易被修改,会导致其他的值计算错误。
pytorch中自加(+=)与普通加的区别,及原位操作相关推荐
- **Pytorch 中view函数和reshape函数的区别*
Pytorch 中view函数和reshape函数的区别(我是一名大一刚学计算机的学生 希望我的说法对你有帮助) 首先:要了解这个问题我们要先了解一个基本知识 张量的储存方式 跟据图片我们可以清楚的看 ...
- Pytorch中view()方法和resize()方法的区别
1.view() 通过tensor.view方法可以调整tensor的形状,但必须保证调整前后元素总数一致.view不会修改自身的数据,返回的新tensor与源tensor共享内存,即更改其中一个,另 ...
- PyTorch中repeat、tile与repeat_interleave的区别
. 目录 torch.Tensor.repeat torch.Tensor.tile torch.Tensor.repeat_interleave torch.Tensor.repeat repeat ...
- 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 ...
- PyTorch中的梯度累积
我们在训练神经网络的时候,超参数batch_size的大小会对模型最终效果产生很大的影响,通常的经验是,batch_size越小效果越差:batch_size越大模型越稳定.理想很丰满,现实很骨感,很 ...
- Pytorch中的数据加载
Pytorch中的数据加载 1. 模型中使用数据加载器的目的 在前面的线性回归模型中,使用的数据很少,所以直接把全部数据放到模型中去使用. 但是在深度学习中,数据量通常是都非常多,非常大的,如此大量的 ...
- 十九、Pytorch中的数据加载
1. Pytorch中DataSet的使用方法 1.1 DataSet加载数据的方法 DataSet是Pytorch中用来表示数据集的一个抽象类,在torch中提供了数据集的基类torch.utils ...
- pytorch中的数据加载(dataset基类,以及pytorch自带数据集)
目录 pytorch中的数据加载 模型中使用数据加载器的目的 数据集类 Dataset基类介绍 数据加载案例 数据加载器类 pytorch自带的数据集 torchvision.datasets MIN ...
- 【学习系列7】Pytorch中的数据加载
目录 1. 模型中使用数据加载器的目的 2. 数据集类 3. 迭代数据集 1. 模型中使用数据加载器的目的 在前面的线性回归横型中,我们使用的数据很少,所以直接把全部数据放到锁型中去使用. 但是在深度 ...
最新文章
- bae index.php,【微信公众平台开发】之一:入门与BAE3.0下操作
- 微信支付代金券开发包分享
- C#字符串与unicode互相转换
- 聊聊 MySql 索引那些事儿
- 电信业务分类目录_第五大运营商!中信网络获基础电信业务牌照
- vue各种组件(不断增加中...)
- JS 微信公众号如何跳转到另一个微信公众号的链接
- 单片机一键开关机电路
- C++:[编程题]买帽子
- PHP unlink的使用
- “燕云十六将”之Shirley张艳(5)
- EXCEL双击文件打开是空白的
- java基础:网络编程(一)简介
- 《惢客创业日记》2021.06.21-22(周一)创业者融资成本有多高?
- linux-ARM开发板--嵌入式开发平台-选型
- 中职组网络安全关于体验C模块
- ABC人工蜂群算法求解函数优化实例C++(2020.11.5)
- php excel 模板 导出word,使用phpexcel导出excel和phpword导出word--简单使用
- 如何在jsp中连接SQLserver数据库
- 【大数据存储技术】第8章 其他NoSQL数据库