使用autograd函数的渐变函数错误python
使用autograd函数的渐变函数错误是指在使用autograd函数计算梯度时出现错误的情况。autograd是PyTorch中的自动微分引擎，它能够自动计算张量的梯度，方便进行反向传播和优化算法的实现。
在使用autograd函数时，可能会出现以下几种渐变函数错误：
- 未定义渐变函数：有些函数在autograd中没有定义渐变函数，因此无法计算梯度。这种情况下，需要手动实现渐变函数或者使用其他可微分的函数替代。
- 张量类型错误：autograd函数要求输入的张量类型为浮点型（float），如果输入的张量类型不正确，会导致计算梯度时出现错误。需要确保输入的张量类型正确。
- 张量形状错误：autograd函数要求输入的张量形状满足计算梯度的要求，如果输入的张量形状不正确，会导致计算梯度时出现错误。需要确保输入的张量形状正确。
- 非法操作错误：autograd函数要求所有的操作都是可微分的，如果在计算过程中使用了非法操作（如除以零），会导致计算梯度时出现错误。需要确保所有的操作都是可微分的。
针对以上渐变函数错误，可以采取以下解决方法：
- 查阅官方文档：查阅PyTorch官方文档，了解autograd函数的使用方法和限制条件，确保使用正确的函数和参数。
- 检查输入类型和形状：检查输入的张量类型和形状是否满足autograd函数的要求，如果不满足，可以进行类型转换或者调整形状。
- 检查操作的可微分性：检查计算过程中是否存在非法操作，确保所有的操作都是可微分的，如果存在非法操作，需要进行修正或者替换。
- 调试代码：通过打印中间结果、逐步调试等方法，定位错误的具体位置，进一步分析和解决问题。
总结起来，使用autograd函数的渐变函数错误是指在使用autograd函数计算梯度时出现的错误，可能是由于未定义渐变函数、张量类型错误、张量形状错误或非法操作错误导致的。解决方法包括查阅官方文档、检查输入类型和形状、检查操作的可微分性和调试代码等。
相关·内容
我想找到一个简单的梯度正态分布的pdf与scipy.stats.norm使用Python。
import scipy.stats as stat
import autograd.numpy as np
from autograd import grad
def f(x):
return stat.norm.pdf(x, 0.0, 1.0)
grad_f = grad(f)
print(grad_f(-1.0))
然而，我得到了这个类型错误：
Traceback (most recent call last):
File "/Users/Lars/anaconda3/l
浏览 0提问于2018-09-16得票数 0
假设我想计算两个张量之间的元素商。如果其中一个张量包含NaN，则生成的商也将包含NaN，这一点我是理解的。但是为什么在整个操作中梯度变得不存在呢？如何为非NaN条目保留渐变？
例如：
>>> x = torch.tensor([1.0, np.NaN])
>>> y = torch.tensor([2.0, 3.0])
>>> z = torch.div(y, x)
>>> z
tensor([2., nan])
>>> z.backward()
Traceback (most recent call l
浏览 71提问于2019-06-26得票数 -1
回答已采纳
我想知道我是否可以在Pytorch中构建一个图像调整模块，它接受3*H*W的torch.tensor作为输入，并返回一个张量作为调整后的图像。
我知道可以将张量转换为PIL图像并使用torchvision，但我也希望将梯度从调整大小的图像反向传播到原始图像，下面的示例将返回此类错误(在Windows10上的PyTorch 0.4.0中)：
import numpy as np
from torchvision import transforms
t2i = transforms.ToPILImage()
i2t = transforms.ToTensor()
trans = transfo
浏览 5提问于2018-05-18得票数 9
我正在尝试使用scipy.optimize运行最小化问题，包括一个NonlinearConstraint。我真的不想自己编写衍生品代码，所以我使用autograd来完成。但是，尽管我对minimize和NonlinearConstraint的参数遵循了完全相同的过程，但第一个方法似乎有效，而第二个方法不起作用。 这是我的MWE： useconstraint = False
import autograd
import autograd.numpy as np
from scipy import optimize
def function(x): return x[0]**2 + x[1]
浏览 37提问于2019-03-08得票数 0
我正在尝试使用torch.autograd.grad在PyTorch中计算矩阵导数，但是我遇到了一些问题。下面是一个重现错误的最小工作示例。 theta = torch.tensor(np.random.uniform(low=-np.pi, high=np.pi), requires_grad=True)
rot_mat = torch.tensor([[torch.cos(theta), torch.sin(theta), 0],
[-torch.sin(theta), torch.cos(theta), 0]],
浏览 57提问于2020-08-16得票数 2
回答已采纳
我想复制代码，在Google中运行时会得到以下错误？
(/usr/local/lib/python3.7/dist-packages/torch/autograd/gradcheck.py)：无法从“torch.autograd.gradcheck”torch.autograd.gradcheck导入名称“zero_gradients”
有人能帮我解决这个问题吗？
浏览 13提问于2021-07-17得票数 4
我的损失看起来像
e1, v1 = torch.eig(A)
e2, v2 = torch.eig(B)
sim = torch.matmul(v1, v2.permute(0, 2, 1))
loss_sim = torch.sum(sim)
loss_sim.backward()
其中A和B是shape SEQUENCE_LENGH * SEQUENCE_LENGTH的中间张量
我的代码遇到了这个错误：
File "/usr/local/Anaconda3/lib/python3.8/site-packages/torch/tensor.py", line 185, in
浏览 5提问于2021-04-12得票数 0
2回答
如何使用AutoGrad包？
、、、、
我正在试着做一件简单的事情:使用autograd来获得梯度，并做梯度下降：
import tangent
def model(x):
return a*x + b
def loss(x,y):
return (y-model(x))**2.0
在获得输入-输出对的损失后，我希望获得梯度wrt损失：
l = loss(1,2)
# grad_a = gradient of loss wrt a?
a = a - grad_a
b = b - grad_b
但是库教程没有展示如何获得关于a或b的渐变，即参数so，既不是autograd也不是切线。
浏览 1提问于2018-02-02得票数 3
1回答
我试图运行以下代码：
我只修改了dataloader，并将其转换为与我的数据兼容。在尝试运行它时，我会得到以下错误：
跟踪(最近一次调用)：
loss_D_A.backward()中的"models/CycleGANs/train“文件，第150行
文件"/opt/conda/lib/python3.8/site-packages/torch/tensor.py"，第221行，在向后torch.autograd.backward(self，渐变，retain_graph，create_graph)
文件"/opt/conda/lib/python3.8/site
浏览 2提问于2020-11-28得票数 1
1回答
我对pytorch的反向函数有一些疑问，我不认为我得到了正确的输出：
import numpy as np
import torch
from torch.autograd import Variable
a = Variable(torch.FloatTensor([[1,2,3],[4,5,6]]), requires_grad=True)
out = a * a
out.backward(a)
print(a.grad)
输出为
tensor([[ 2., 8., 18.],
[32., 50., 72.]])
也许是2*a*a
但我认为输出应该是
tensor([[
浏览 0提问于2019-07-29得票数 19
回答已采纳
2回答
您好，我有以下功能：
从1到5000 -log(1−(xi)^2) -log(1-( a_i )^t*x)，其中a_i是随机向量，我们正试图通过−方法最小化该函数的值。
我需要一种方法来计算关于(x1，x2，x3，...)的海森矩阵。我尝试了自动渐变，但它花费了太多的时间。这是我的当前时间。
from autograd import elementwise_grad as egrad
from autograd import jacobian
import autograd.numpy as np
x=np.zeros(5000);
a = np.random.rand(5000,5000)
浏览 6提问于2021-03-31得票数 2
我已经打包了一个库并上传到Pypi。Pip安装工作，但导入给出“模块找不到”的错误，有什么建议如何调试？ pip install autograd_lib . # works
python -c "import autograd_lib" # ModuleNotFoundError: No module named 'autograd_lib'
浏览 18提问于2019-12-12得票数 0
1回答
我试着取一个函数的梯度，在这个函数中，我单独分配numpy数组元素(在有限元分析中，将局部力分配给全局力向量)，但这似乎破坏了Autograd --如果我对全局数组使用np.zeros，我会得到ValueError: setting an array element with a sequence，而如果我使用np.empty，我会得到NotImplementedError: VJP of empty_like wrt argnums (0,) not defined。
示例：
import autograd.numpy as np
from autograd import jacobian,
浏览 22提问于2019-11-07得票数 0
回答已采纳
假设我有一个函数Psi，它有一个四维向量输出，它以一个三维向量u作为输入。我想计算Psi w.r.t前三个分量的梯度。该股的三个组成部分分别是：
import torch
u = torch.tensor([1.,2.,3.], requires_grad=True)
psi = torch.zeros(4)
psi[0] = 2*u[0]
psi[1] = 2*u[1]
psi[2] = 2*u[2]
psi[3] = torch.dot(u,u)
grad_Psi_0 = torch.autograd.grad(psi[0], u[0])
grad_Psi_1 = torch.aut
浏览 79提问于2022-07-27得票数 0
回答已采纳
1回答
我正在尝试使用python包autograd，并且希望在插值中使用autograd数组框的值。 np.interp(x, x_values, y_values) 其中y_values被存储在自动分级数组框中。这会导致错误 TypeError: Cannot cast array data from dtype('O') to dtype('float64') according to the rule 'safe' 这与y_values是一个自动刻度数组框的事实有关。我不明白为什么我会得到这个错误，因为我认为autograd应该与numpy一起
浏览 24提问于2019-05-24得票数 0
假设autograd处于打开状态(默认情况下)，执行以下操作(除缩进外)是否有什么不同：
with torch.no_grad():
<code>
和
torch.set_grad_enabled(False)
<code>
torch.set_grad_enabled(True)
浏览 3提问于2018-11-23得票数 16
回答已采纳
我是Pytorch的新手，我一直在学习教程和玩弄玩具示例。我只想做一个超级简单的模型，以便更好地处理autograd，但我遇到了问题。 我正在尝试训练一个线性回归模型，但我总是遇到以下错误， ----------------------------------------------------------------------
RuntimeError Traceback (most recent call last)
<ipython-input-80-ba5ca34a3a54> in <module>
浏览 15提问于2019-01-07得票数 1
回答已采纳
我知道如果渐变停止，torch.autograd.grad()将不返回，但是，我想知道下面的片段有什么问题吗？
x = torch.rand(6, requires_grad=True)
y = x.pow(2).sum()
z = torch.cat([x])
grad1 = torch.autograd.grad(y, x, allow_unused=True)
grad2 = torch.autograd.grad(y, z, allow_unused=True)
print(f'grad1 = {grad1}, grad = {grad2}')
输出为
浏览 1提问于2021-10-05得票数 0
回答已采纳
1回答
我想我在运行张量PyTorch。
我对python很陌生，我试着用它来实验复杂的神经网络和处理更大的图像。但是我一直遇到这个错误，即使我请求更小的图像输出。我刚刚注册了Colab Pro。虽然它确实更快，但它仍然错误的与数据自动化系统。如果我知道如何重新分配内存，我会重新分配内存，但我不知道。还有其他方法来访问/管理GPU内存吗？
文件"/usr/local/lib/python3.7/dist-packages/torch/_tensor.py"，第255行，在向后torch.autograd.backward(self，渐变，retain_graph，create_grap
浏览 2提问于2021-07-09得票数 0
我正在构建一个单镜头多盒检测项目，用于在mp4视频中检测运行中的狗。
我正在学习这方面的教程&给老师发了条信息。
这是我在Spyder中运行代码时的完全错误：
RuntimeError: Legacy autograd function with non-static forward method is deprecated.
Please use new-style autograd function with static forward method.
(Example: https://pytorch.org/docs/stable/autograd.html#torch.
浏览 23提问于2020-08-24得票数 0
我试图在不重新定义a= f(x，y)的情况下做这样的事情：
a = f(x,y)
find gradient of a with respect to x
change x
find gradient of a with respect to x
find gradient of a with respect to y
我尝试了下面的部分示例，但它只是给了我一个错误。有人知道我如何做到这一点而不需要每次都重新定义原始函数吗？
>>> x = torch.tensor([2.], requires_grad=True)
>>> y = 10*x**2
>
浏览 0提问于2021-04-29得票数 1
我想计算子矩阵上的梯度。以下代码片段演示了我的用例：
import torch
from torch import nn
A = torch.rand((3, 5), requires_grad=True)
target = torch.zeros((3, 5), requires_grad=True)
loss = nn.functional.mse_loss(A, target)
grad = torch.autograd.grad(loss, A)[0]
print(f'full grad shape = {grad.shape}')
grad = torch.au
浏览 0提问于2021-09-12得票数 0
试图将我的头脑集中在渐变是如何表示的以及自动梯度是如何工作的：
import torch
from torch.autograd import Variable
x = Variable(torch.Tensor([2]), requires_grad=True)
y = x * x
z = y * y
z.backward()
print(x.grad)
#Variable containing:
#32
#[torch.FloatTensor of size 1]
print(y.grad)
#None
为什么它不为y生成一个梯度？如果是y.grad = dz/dy，那么它至少不应
浏览 2提问于2017-08-31得票数 19
回答已采纳
3回答
我想写我自己的激活函数，但我遇到了一个问题。表示矩阵乘法将调用.data。我搜索了一下，但几乎没有得到什么有用的信息。任何帮助都将不胜感激。错误信息为
Traceback (most recent call last):
File "defineAutogradFuncion.py", line 126, in <module>
test = gradcheck(argmin, input, eps=1e-6, atol=1e-4)
File "/home/zhaosl/.local/lib/python2.7/si
浏览 3提问于2017-10-01得票数 3
我有一个把向量映射到向量上的函数
我想计算一下它的
，
其中Jacobian被定义为
。
因为我可以用来计算行列式，所以我只需要雅可比矩阵。我知道，但这是使用数值微分，我追求的是自动微分。输入/ (现在我将坚持使用Autograd，它提供了一个autograd.jacobian()方法，但只要得到我想要的东西，我就很乐意使用JAX )。如何用向量值函数正确地使用这个autograd.jacobian()**-function？**
作为一个简单的例子，让我们来看看这个函数
( )
其中有雅可比人
(
产生雅可比行列式
>>> import au
浏览 5提问于2020-01-14得票数 2
回答已采纳
标题说明了一切。我希望将一个PyTorch autograd.Variable转换为其等效的numpy数组。在他们的中，他们提倡使用a.numpy()来获得等价的numpy数组(对于PyTorch tensor)。但这给了我以下错误：
回溯(最近一次调用)：文件"stdin"，第1行，模块文件"/home/bishwajit/anaconda3/lib/python3.6/site-packages/torch/autograd/variable.py"，第63行，getattr AttributeError(name) AttributeError: nu
浏览 5提问于2017-06-03得票数 18
回答已采纳
1回答
autograd在原则上能在python包装的C函数上工作吗？
--我希望区分使用数据类型的参数，并且可以通过提供float或np.float64参数来成功地实现。
通过使用我的调试器进行更仔细的检查，我发现当自动梯度将float或np.float64更改为对象时，当它试图计算梯度时，就会得到一个。
在这种情况下有允许自动毕业的方法吗？
还有其他更适合我情况的策略吗？
有什么原语我可以编码来解决这个问题吗？
背景：
Bilby是一个更新的python库，它封装了用C编写的旧代码(LALSIMULATION)，它提供了广泛的预编码引力波模型，我想在我的研究中使用这些预编码模型。我的第一个任务是
浏览 2提问于2019-07-20得票数 0
我正在使用PyTorch中的autograd工具，并且发现自己处于需要通过整数索引访问一维张量中的值的情况。如下所示：
def basic_fun(x_cloned):
res = []
for i in range(len(x)):
res.append(x_cloned[i] * x_cloned[i])
print(res)
return Variable(torch.FloatTensor(res))
def get_grad(inp, grad_var):
A = basic_fun(inp)
A.backward(
浏览 0提问于2018-09-13得票数 10
回答已采纳
我正试图使用visual在windows上构建Pytorch，但它似乎面临一些内部编译器错误，而我还无法找出其原因。在46个目标中，有35个被成功地构建，直到它最终因以下错误而失败。在我列出错误之前，我就是这样构建它的：
git clone --branch v1.6.0 https://github.com/pytorch/pytorch.git pytorch-1.6.0
cd pytorch-1.6.0
git submodule update --init --recursive
set CUDAHOSTCXX=
set DISTUTILS_USE_SDK=1
for /f "
浏览 1提问于2020-10-05得票数 1
回答已采纳
假设我有一个张量Y，它是从张量X (直接或间接)计算出来的。
通常，当我应用torch.autograd.grad(Y, X, grad_outputs=torch.ones_like(Y))时，我会得到一个与X相同形状的渐变掩模。这个掩码实际上是Y w.r.t的元素梯度的加权和。X。
是否有可能得到与Y mask[i][j] 相同形状的梯度掩模，其中每个元素是 Y[i][j] w.r.t. X**?**的梯度之和。
这相当于将雅可比J(Y,X)与X维数之和，而非Y维数之和。
>>> X = torch.eye(2)
>>> X.requires_grad_
浏览 3提问于2021-08-30得票数 2
回答已采纳
这个错误是在我的PyTorch版本从1.8升级到1.9.0之后出现的。 使用此行时： from torch.autograd.gradcheck import zero_gradients，我收到这个错误消息：ImportError: cannot import name 'zero_gradients' from 'torch.autograd.gradcheck' 命令： zero_gradients(im) 是使用的。 PyTorch 1.9.0中的新命令相当于什么？
浏览 1141提问于2021-07-22得票数 0
回答已采纳
大家好，我试图用google中的TensorFlow对自定义数据进行对象检测，所以当我尝试使用以下代码进行培训时，我使用了TensorFlow模型动物园：
import os
!pip install tf_slim
%cd '/content/models/research/object_detection'
os.environ['PYTHONPATH'] += '/content/models/research/object_detection'
!python /content/models/research/object_detecti
浏览 20提问于2020-10-19得票数 0
1回答
我在PyTorch中有以下实现，用于学习使用LSTM：
但是，代码遇到就地操作错误
其中我的错误输出是：
/home/ivory/anaconda3/lib/python3.7/site-packages/ipykernel_launcher.py:10: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than to
浏览 13提问于2019-08-15得票数 3
回答已采纳
我正在尝试使用Autograd包复制。
虽然我可以从这个存储库复制其他示例，但这个特定的示例抛出了一个错误，如下所示：
/home/avuis/anaconda/lib/python3.6/sitepackages/autograd/numpy/numpy_vjps.py:444: FutureWarning:
Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`.
In the future this w
浏览 0提问于2018-09-11得票数 0
我尝试使用lifetimes标头从给定数据创建新近、频率和T，但它一直显示以下错误:模块'scipy.misc‘没有属性’AttributeError‘。 from lifetimes.plotting import *
from lifetimes.utils import *
from lifetimes.estimation import *
data = summary_data_from_transaction_data(df, 'CustomerID','InvoiceDate', monetary_value_col='Sales
浏览 48提问于2019-05-27得票数 4
回答已采纳
我试图用以下代码导入autograd：
import autograd.numpy as np
但是，在试图运行脚本时，我会得到以下错误：
Traceback (most recent call last):
File "autograd.py", line 1, in <module>
import autograd.numpy as np
File "/home/hakon/Documents/FYS_STK4155/project2/code and plots/test/autograd.py", line 1, in <
浏览 33提问于2022-02-09得票数 0
我有一个关于在Google上导入回购的不同分支的问题。
Autograd()有一个cupy适配版本，位于另一个分支中(希望将autograd(cupy友好版本)导入google并使用以下命令：
!pip install git+git://github.com/ericmjl/autograd/tree/cupy
但它有以下错误：
采集git+git://github.com/ericmjl/autograd/tree/cupy
克隆git://github.com/ericmjl/autograd/tree/cupy to /tmp/pip 9_z-构建致命的：
远程错误: ericmjl
浏览 2提问于2018-04-18得票数 2
回答已采纳
1回答
我想用从训练的LeNet模型来预测新的自定义图像。自定义图像是黑色对白色，所以我需要将它们转换为白色对黑色。
# Load & transform image
ori_img = Image.open('./test/2.png').convert('L')
img = np.invert(ori_img) #Transform images to white on black
t = transforms.Compose([
transforms.Resize((32, 32)),
transforms.ToTensor(),
浏览 9提问于2019-10-22得票数 0
回答已采纳
我的目标是在我的Windows7机器上使用Jupyter Notebook中的autograd。
以下是我所做的工作：
在git bash中，我使用source activate myenvI激活了conda环境，使用conda install -c omnia autogradI启动了带有jupyter notebook的Jupyter
现在，当我尝试在Jupyter notebook中导入autograd时，出现以下错误：
No module named 'autograd'
因此，我停止了Jupyter笔记本，并尝试使用pip重新安装。但是我有这个错误：
$ pip i
浏览 183提问于2018-07-14得票数 0
1回答
假设我有n分层神经网络。在运行l层之后，我希望对l^第层输出应用一些转换，而不将该转换包含在反向传播中。
例如：
output_layer_n = self.LinearLayer(output_layer_prev)
#apply some transformation to output_layer_n, but don't want to take autograd w.r.t. this transformation, basically this transformation function doesn't have any parameter
output_la
浏览 2提问于2018-11-22得票数 1
我试图在Mac上使用NO_CUDA=1 python setup.py install编译py手电筒，但我得到了以下错误：
In file included from /Users/ezyang/Dev/pytorch-tmp/torch/lib/tmp_install/include/THPP/Tensor.hpp:3:
/Users/ezyang/Dev/pytorch-tmp/torch/lib/tmp_install/include/THPP/Storage.hpp:6:10: fatal error:
'cstdint' file not found
#
浏览 60提问于2017-04-26得票数 0
回答已采纳
1回答
我试图在PyTorch中实现一个简单的最小化器，下面是代码(v和q和v_trans是张量，eta是0.01)：
for i in range(10):
print('i =', i, ' q =', q)
v_trans = forward(v, q)
loss = error(v_trans, v_target)
q.requires_grad = True
loss.backward()
grads = q.grad
with torch.no_grad()
q = q - eta *
浏览 5提问于2021-11-03得票数 0
我想使用Python2.7(木星笔记本)中的HIPS自动梯度()来寻找参数x。我的前向模型(给定时间点t的观测值作为参数x的函数)是t的分段函数，因此我选择使用autograd.numpy.piecewise函数。我的损失(或目标)函数是一个直进均方误差.我在使用autograd.grad计算自动梯度时遇到了问题。
下面是简单的代码示例：
import autograd.numpy as anp
from autograd import grad
def forward_model(x, t): # it's a rectangular box of width x and heig
浏览 1提问于2018-04-08得票数 0
1回答
RNN在火炬中的训练
、、、
我想有一个RNN模型，并教它学习生成"ihello“，从”地狱“。我是新来的毕道尔，并遵循视频中的指令来编写代码。我编写了两个名为train.py和model.py的python文件。我是model.py
#----------------- model for teach rnn hihell to ihello
#----------------- OUR MODEL ---------------------
import torch
import torch.nn as nn
from torch import autograd
class Model(nn.Module)
浏览 0提问于2018-05-03得票数 0
回答已采纳
我是个初出茅庐的人。今天，当我使用它处理线性回归时，它显示如下：
KeyError Traceback (most recent call
last)
~/anaconda3/lib/python3.6/site-packages/autograd/numpy/numpy_extra.py
in new_array_node(value, tapes)
84 try:
---> 85 return array_dtype_mappings[value.dtype](value, tap
浏览 0提问于2018-10-20得票数 1
回答已采纳
我正在尝试运行以下PyTorch代码：
for i, (input, target) in enumerate(train_loader):
input = input.float().cuda(async=True)
target = target.cuda(async=True)
input_var = torch.autograd.Variable(input)
target_var = torch.autograd.Variable(target)
output = model(input_var)
但是当我尝试的时候，我得到了这个错误信息：
浏览 4提问于2018-11-08得票数 10
回答已采纳
我最近参加了一个领域适配项目，其中包括使用gradreverselayer。 这就是我正在使用的。 class GradReverse(Function):
def forward(ctx, x, alpha):
ctx.alpha = alpha
return x
def backward(ctx, grad_output):
output = grad_output.neg() * ctx.alpha
return output, None 看起来没什么问题。 然而，当我运行我的代码时，它引发了
浏览 176提问于2021-03-26得票数 0
我正在使用。我相信这段代码是由早期版本的python和py火炬开发的。在克隆了存储库之后，我对模型进行了一次实验。
python ./testing/rnn_rgp_test.py
我从收到了这条错误消息
./RGP/autoreg/rnn_encoder.py", line 274, in backward_computation
torch.autograd.backward( variables=self.forward_means_list + self.forward_vars_list,
TypeError: backward() got an unexpecte
浏览 5提问于2022-05-11得票数 0
我正在尝试使用TensorFlow的@tf.custom_gradient功能为具有多个输入的函数指定自定义渐变。我可以只为一个输入设置工作，但不能为两个或更多输入设置。 我的代码基于TensorFlow's custom_gradient documentation，它对于一个输入来说工作得很好，如下例所示： import tensorflow as tf
import os
# Suppress Tensorflow startup info
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
# Custom gra
浏览 44提问于2019-01-05得票数 1
回答已采纳
下面有这段代码，我找不到阻止梯度计算的内部操作。
for epoch in range(nepoch):
model.train()
scheduler.step()
for batch1 in loader1:
torch.ones(len(batch1[0]), dtype=torch.float)
x, label = batch1
x = x1.to('cuda', non_blocking=True)
optimizer.zero_grad()
pred = m
浏览 4提问于2020-07-21得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
