requires_grad

PyTorch 深度学习:60分钟快速入门（2） ----Autograd: 自动求导

如果将其属性设置.requires_grad为True
你说是就是·2018-12-26 15:32

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

PyTorch0.4中，.data仍保留，但建议使用.detach(),区别在于.data返回和x的相同数据tensor,但不会加入到x的计算历史里，且requires_grad=False,这样有些时候是不安全的
梦家·2018-12-26 11:52

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

PyTorch0.4中，.data仍保留，但建议使用.detach(),区别在于.data返回和x的相同数据tensor,但不会加入到x的计算历史里，且requires_grad=False,这样有些时候是不安全的
梦家·2018-12-26 11:52

pytorch0.4使用注意

1.梯度１．Variable()中，requires_grad=Fasle时不需要更新梯度，适用于冻结某些层的梯度；２．volatile=True相当于requires_grad=False，适用于测试阶段
DX_ByYourself·2018-11-28 20:55

pytorch0.4使用注意

1.梯度１．Variable()中，requires_grad=Fasle时不需要更新梯度，适用于冻结某些层的梯度；２．volatile=True相当于requires_grad=False，适用于测试阶段
DX_ByYourself·2018-11-28 20:55

pytorch 如何设置 可学习参数

#比如cnn输出4个东西，你又不想concate到到一起，你想用权重加法，权重又不想自己设定，想让网络自己学#requires_grad=True这个很重要#设置前置网络及可学习参数self.cnn=cnn_output4
Hi_AI·2018-11-27 16:53

PyTorch基础系列（三）——深入理解autograd：Variable属性方法【最新已经和tensor合并为一类】

如果Variable是非标量(non-scalar)的，且requires_grad=True。那么此函数需要指定gradient，它的形状应该和Variable的长度匹配，
Snoopy_Dream·2018-11-14 18:02

Pytorch 的迁移学习的理解

先在别的训练数据集上训练模型,达到一定训练标准之后,用当前的数据集继续进行训练.第二类:将已经训练好的模型当作特征提取器,仅对模型中的部分层的参数进行优化(或继续优化).此时,在加载模型后,需要通过对模型的所有参数的"requires_grad
wzg2016·2018-10-20 17:27

element 0 of tensors does not require grad and does not have a grad_fn

element0oftensorsdoesnotrequiregradanddoesnothaveagrad_fn这个是因为requires_grad=False，应该为trueimportnumpyasnpimporttorchfromtorch.autogradimportVariablex
ShellCollector·2018-09-17 10:48

pytroch 函数学习

tensor.numpy()将tensor转化为ndarray3.x=torch.zeros(*sizes,out=None,dtype=None,layout=torch.strided,device=None,requires_grad
冰菓(笑)·2018-09-16 11:33

对pytorch中动态建图的一点小见解

首先，我们做如下定义：a=torch.randn(2)b=torch.randn(2)c=torch.randn(2,requires_grad=True)m=a*bprint(m.grad_fn)q=
1308900238·2018-08-29 16:22

PyTorch的学习笔记02 - backward( )函数

创建一个Tensor时，使用requires_grad参数指定是否记录对其的操作，以便之后利用backward()方法进行梯度求解。
风海流·2018-07-16 11:42

PyTorch学习笔记(1)——requires_grad和autograd.no_grad

前言鉴于caffe2和pytorch要合并的消息，再加之pytorch实现模型的开发效率优势，虽然PyTorch1.0Stable版本预计还有一段时间才能面试，不过现在可以基于PyTorch0.4.0版本进行学习。本系列主要记载一些常见的PyTorch问题和功能，并不是对PyTorch教程的全篇实现，有需要的朋友可以自行学习PyTorch官方文档①requires_gradTensor变量的req
sooner高·2018-06-28 12:16

Pytorch 0.4 更新学习笔记

>>>x=torch.zeros(1,requires_grad
Terrence_Wayne·2018-06-05 17:19

Variable变量（莫烦PyTorch 动态神经网络笔记）

importtorchfromtorch.autogradimportVariabletensor=torch.FloatTensor([[1,2],[3,4]])variable=Variable(tensor,requires_grad
林下的码路·2018-05-30 17:20

pytorch自动求导，自定义损失函数

首先，我们做如下定义：a=torch.randn(2)b=torch.randn(2)c=torch.randn(2,requires_grad=True)m=a*bprint(m.grad_fn)q=
1308900238·2018-05-17 19:39

pytorch requires_grad 与 detach 区别 梯度传递细节 cpu gpu Variable numpy转换

pytorch变量类型可以分成三大类，cpu，gpu，Variable。分别表示数据在cpu上参与计算，数据在gpu上参与计算，已经数据加入到梯度计算图中。三者转换方法也很简单：cpu转gpu使用t.cuda()gpu转cpu使用t.cpu()cpu,gpu转variable使用Variable(t)Variable转cpu，gpu使用v.datatensor转numpy使用t.numpy()nu
青盏·2018-04-21 01:02

pytorch 固定部分参数训练

lambdap:p.requires_grad,model.parameters()),lr=1e-3)另外，如果是Variable，则可以初始化时指定j=Variable(torch.randn(5,5),requires_grad
guotong1988·2018-03-29 11:17

深度学习(七十三)pytorch学习笔记

一、变量、求导torch.autograd模块默认的variable定义的时候，requires_grad是false，变量
hjimce·2018-03-25 14:53

pytorch使用笔记

默认设置requires_grad=Falseparameter表示参数：其实是v
HudsonLiu·2018-01-25 11:12

torch.autograd.backward中的参数问题

如果variables中的任何一个variable是非标量(non-scalar)的，且requires_grad=True。那么此
coordinate_blog·2017-12-30 19:30

volatile 和 requires_grad在pytorch中的意思

Backward过程中排除子图pytorch的BP过程是由一个函数决定的，loss.backward()，可以看到backward()函数里并没有传要求谁的梯度。那么我们可以大胆猜测，在BP的过程中，pytorch是将所有影响loss的Variable都求了一次梯度。但是有时候，我们并不想求所有Variable的梯度。那就要考虑如何在Backward过程中排除子图（ie.排除没必要的梯度计算）。如
qq_27292549·2017-12-10 22:01

PyTorch学习总结(七)——自动求导机制

自动求导机制从后向中排除子图每个变量都有两个标志：requires_grad和volatile。它们都允许从梯度计算中精细地排除子图，并可以提高效率。
manong_wxd·2017-12-06 19:50

pytorch入门（二）——自动求导函数

1、定义变量importtorchfromtorch.autogradimportVariablex=Variable(torch.ones(2,2),requires_grad=True)其中变量x会有一个
仲夏199603·2017-12-06 11:17

A trap of parameter ‘size_average’ in pytorch 详解

pytorch的入门教程中有这样的一句：12345loss=torch.nn.MSELoss(size_average=True)input=Variable(torch.ones(2,2),requires_grad
IAMoldpan·2017-12-01 21:54

对pytroch中torch.autograd.backward的思考

可以对计算图中的梯度进行计算和累积这里通过一段程序来演示基本的backward操作以及需要注意的地方>>>importtorch>>>fromtorch.autogradimportVariable>>>x=Variable(torch.ones(2,2),requires_grad
IAMoldpan·2017-11-29 16:37

torch.nn.Parameter(nn/parameter.py)

所以为nn.Parameter代码：fromtorch.autogradimportVariableclassParameter(Variable):def__new__(cls,data=None,requires_grad
faner1994·2017-10-11 15:51

PyTorch基本用法(二)——Variable

importtorchfromtorch.autogradimportVariabletensor=torch.FloatTensor([[1,2],[3,4]])#定义Variable,requires_grad
SnailTyan·2017-09-18 20:50
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他