1回答
以下是来自网站的示例pytorch代码： class Net(nn.Module):
super(Net, self).然而，当计算梯度和更新权重时，Pytorch‘神奇地’知道要更新哪些权重以及应该如何计算梯度。 这个过程是如何工作的？有没有代码分析正在进行，或者我遗漏了什么？
浏览 19提问于2020-08-25得票数 1
回答已采纳
如果您将maxlen设置为使用过多可用RAM的级别，它会使您的计算机崩溃。它为什么要使用这么多内存？我计算出从maxlen=1500到maxlen=3000的预期内存增加如下：但是我们看到了6GB的增长。
浏览 7提问于2022-11-23得票数 0
最初，tensorflow和Py手电筒有一个根本的区别：
tensorflow是基于计算图的。构建此图并在会话中对其进行计算是两个独立的步骤。当它被使用时，图形不会改变，这允许优化。还有一个项目，它构建在与tensorflow ()相同的底层框架上。JAX没有会话的概念。但是它允许您通过简单地调用来编译多个操作。既然Tensorflow已经开始覆盖PyTorch功能，那么PyTorch是否也致力于集成Tensorflow优势呢？在PyTor
浏览 4提问于2019-10-28得票数 2
当我学习tensorflow时，tensorflow的一个基本概念是计算图，而这些图被认为是静态的。我在Pytorch中发现，这些图表据说是动态的。tensorflow中的静态计算图和Pytorch中的动态计算图有什么区别？
浏览 1提问于2017-09-11得票数 30
回答已采纳
1回答
我知道Tensorflow使用了象征性的模型构建API，开发人员可以使用它来构建静态计算图。Pytorch提供了命令式编程范例，它可以根据实际情况执行计算。
浏览 0提问于2020-05-24得票数 -4
火把初学者来了！考虑以下自定义模块： def __init__(self): return x / t_.max(x).expand_as(x)class Linear(nn.Modu
浏览 1提问于2017-06-08得票数 13
回答已采纳
我是PyTorch的新手，我很难理解loss是如何知道如何通过loss.backward()计算梯度的？我将很容易地将优化器链接到每个网络，但是如果我从来没有将它们链接在一起，那么损失函数如何知道如何计算每个适当网络的梯度呢？
浏览 2提问于2019-11-14得票数 3
据我所知，PyTorch的优点应该是它与动态计算图一起工作。在NLP上下文中，这意味着可变长度的序列不一定需要填充到相同的长度。但是，如果我想使用PyTorch DataLoader，我仍然需要填充我的序列，因为DataLoader只使用张量--因为作为一个完全初学者，我不想构建一些定制的collate_fn。这让我不禁纳闷--在这种背景下，动态计算图的全部优势难道没有被冲走吗？另外，如果我把我的序列作为张量输入到DataLoader中，在结束时多个零作为填充标记(在单词if的情况下)，
浏览 10提问于2018-01-13得票数 4
回答已采纳
1回答
自定义丢失函数的后端实现
、、、、
这就引出了我的另一个问题:如果我想对我的损失函数进行梯度计算，我也需要神经网络参数的梯度。我怎样才能得到这些？有这样的功能吗？
浏览 1提问于2021-05-05得票数 1
回答已采纳
我注意到这个实现与许多其他在线可用的ResNet示例不同，我想知道PyTorch使用损耗()的反向传播算法是否可以解释所提供的代码中的lambda层和快捷方式。如果是这样的话，是否有人能深入了解PyTorch如何能够为反向传播解释lambda层(例如，PyTorch如何知道如何区分该层的操作)？
浏览 4提问于2020-01-19得票数 1
回答已采纳
2回答
对于丢失的forward，我有一个自定义的PyTorch实现。训练效果很好。我检查了loss.grad_fn，它不是None。我想弄明白两件事：从gt (地面真相输入)到损失(输出)的路径是否需要是可区分的？
浏览 6提问于2022-05-18得票数 0
回答已采纳
我想使用以下代码将Tensorflow中的张量的子数组等同于： import tensorflow as tfb = tf.placeholder(shape = [1])
a[0,0] = b 但是有一条错误消息“‘张量’对象不支持项赋值”。我想知道为什么。
浏览 9提问于2019-02-27得票数 0
2回答
我对火把很陌生。我可以问一下添加“loss.item()”和不添加“()”有什么区别吗？代码的以下两部分： trainingloss =0 indices = permutation[i:i+batch_size] optimizer.zero_grad() crite
浏览 4提问于2021-03-20得票数 2
回答已采纳
我不久前才开始学习TensorFlow，但似乎TensorFlow中的计算图通常是固定的。TensorFlow中是否有工具可以帮助构建动态进化的神经网络？或者像Pytorch这样的东西会是更好的选择？
浏览 10提问于2018-09-12得票数 7
那么，我们如何在PyTorch中保存模型的体系结构，比如在Tensorflow中创建一个.pb文件？我想对我的模型进行不同的调整。
浏览 10提问于2020-01-05得票数 7
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 File "defineAutogradFuncion.py", line 126, in <module> File "/home/zhaosl/.local/lib/python2.7/si
浏览 3提问于2017-10-01得票数 3
我正在构建一个PyTorch模型来估计。目前，我正在计算的损失，从实际和估计的脉冲响应。我想把估计的和真实的脉冲响应转换成一个信号，然后从这些信号中计算损失。我不能使用这个，因为它会破坏PyTorch的计算图。PyTorch的conv1d使用互相关。从中可以看出，通过翻转滤波器，conv1d可以用于卷积。
浏览 0提问于2020-02-24得票数 0
回答已采纳
Pytorch拥有动态神经网络(由运行定义)，而Tensorflow则需要在运行前编译计算图。
我看到Torch7和PyTorch都依赖于TH，THC，THNN，THNN (C库)。
浏览 4提问于2017-06-18得票数 0
回答已采纳
我们在tensorflow中使用tfagents进行强化学习，由于静态计算图的限制，我们计划将代码迁移到pytorch。tfagents很棒，并且有非常好的文档，可以减少重复执行相同任务的大量时间 我们想知道pytorch社区是否也有类似的东西？
浏览 27提问于2021-04-05得票数 0
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
云直播活动推荐
腾讯云开发者
