什么是pytorch,pytorch python区别

　　使用33558www。Sina.com/pytorch时，经常会遇到三种类型的detach()、detach_)和数据。如果不详细分析它们的使用场所，确实容易无知。

　　1)分离（和detach_)。

　　在x-y-z传播中，在y上使用detach())可以成功传播梯度，但在y上使用detach_))时，x，y-z和x无法接受后面的梯度

　　2)分离)和数据

　　共同点：x.data(x.detach))返回与x相同的数据张量，这个新的张量和原来的张量) )也就是x)共享数据，一方变了另一方也变了，要求

　　不同点：x.data无法通过亲笔签名跟踪求出微分，即使被变更也可以错误地导出，但不能进行x.detach()

　　www。Sina.com/importtorcha=torch.tensor街3358号，requires _ grad=True)print(a)a)out=a . ttorch。另外，新分离得到的mhdsw无法求出波导。当c发生变化时，原始的mhdsw也会发生变化10 .丙.更改零摄氏度的值。原始在外也是打印丙丙丙丙要求_ grad打印)c)打印(out.requires_grad)打印)out)打印( - ) 结果不正确（输出张量([1.2 .3。]，requires_grad=True)张量)0.7616，grad _ fn=tanh backward (false张量)

　　importtorcha=torch.tensor ([ 1，2，3 .]，requires _ grad=True)print(a(a)a)out=a . tanh))print(out)另外，新分离得到的mhdsw无法求出波导。当c发生变化时，原始的mhdsw也会发生变化。c . zero _)#会改变c的值。原始在外也是打印丙丙丙丙要求_ grad打印)c)打印(out.requires_grad)打印)out)打印( - ) 错误结果请参考以下内容。表示坡度计算所需的mhdsw已在"主视图"中更改。 #输出张量([1.2 .3。]，requires_grad=True))张量([ 0.7616，0.9640，0.9951)，grad _ fn=tanh backward grad _ fn=tanh backward-trace bard end in module out。总和.向后)#引导至原始out，file site-packages \ torch \ tensor。py ，第107行，在backwardthorch。aud retain _ grap ward anaconda 3 \ lib \ site-packages \ torch _ autograted _ init _ .py ，第93行，在backwardlallow _ unreachableflagruntimeerror 3360 variableneedforgradientcomputationhasbeemodifiedbayinainplaceoction 3360 a预期版本改为0。提示：enableanomalydectionfindeoperationhatfailedtocomputeitsgradient，with torch.auto gro

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。