我目前正在尝试在Pytorch中迭代构建张量。遗憾的是，backprop不能与循环中的inplace操作一起工作。例如，我已经尝试过使用堆栈的等效程序。有没有人知道我如何用一个正常工作的支撑物来构建张量？remaining_sticks
latent_variables.sum().backward() 堆栈跟踪： /opt/conda/conda-bld/pytorch
浏览 36提问于2019-12-18得票数 0
回答已采纳
1回答
这样的返回值不会使反向传播或自动梯度混乱吗？如果是这样的话，您将如何处理在损失函数中包含多个输入函数的情况？
(这个问题在tensorflow中也是有效的。)
浏览 5提问于2022-07-11得票数 0
回答已采纳
1回答
在pytorch中，我训练RNN/GRU/LSTM网络，方法是启动反向传播(通过时间)：当序列很长时，我希望通过时间进行截断的反向传播，而不是使用整个序列的时间进行正常的反向传播但是，我在Pytorch中找不到任何参数或函数来设置截断的BPTT。我错过了吗？我应该自己在毕道尔编码吗？
浏览 3提问于2018-12-24得票数 6
1回答
我写这封信是因为我要应付以下情况:在训练期间，我需要一个在pytorch的前向函数中的for循环。self.netFeaturesExtractor(ima) id_stack += 1def forward(self, input_sinogram, sos):
[variables declaration..for param in
浏览 1提问于2022-06-28得票数 0
2回答
为了正则化的目的，我希望通过奇异值分解来反向传播梯度。PyTorch目前不支持通过奇异值分解进行反向传播。我知道我可以编写自己的自定义函数来操作变量；获取它的.data张量，对其应用torch.svd，将变量包装在它的奇异值周围，并在向前传递中返回它，然后在向后传递中将适当的雅可比矩阵应用于传入的梯度。我认为这些步骤也同样适用于目前没有相关反向方法的其他线性代数操作。
浏览 5提问于2017-06-29得票数 10
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？优化器在实例化时链接到模型参数，但损失永远不会链接到模型。
我一直在通过，但我认为没有人清楚地回答了这个问题，这个帖子的发起人似乎和我有同样的问题。
浏览 2提问于2019-11-14得票数 3
我已经通过自定义模块的参数手动计算了反向传播的正确公式，我希望查看它们是否与autograd内部用于计算梯度的公式匹配。有没有办法看到这一点？我计算了这一层的反向传播公式，假设我们有来自更高层的传入梯度。(由于Pytorch目前还不支持复值张量反向传播，我已经通过处理单独的实张量和虚张量创建了自己的复数表示)
浏览 45提问于2020-09-11得票数 1
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
1回答
在CNN分类模型训练中，在计算损失时，我在PyTorch中对图像应用编码jpeg压缩。当我调用loss.backward()时，它还必须通过对图像执行的编码和压缩操作进行反向传播。这些压缩算法(例如编码和JPEG压缩)是否是可微的，否则如何通过这些操作反向传播损失梯度？
如果这些操作不是可微的，那么在执行H.264编码和JPEG压缩的PyTorch中是否存在可微压缩算法？
浏览 9提问于2020-04-10得票数 2
1回答
我知道在PyTorch中，优化器是通过在训练循环中，我们必须向后执行，并通过执行这两行来更新梯度。当我们执行loss.backward()时，PyTorch如何知道我们将为我们的model做反向传播import torch
import torch.nn as nn
浏览 8提问于2022-08-20得票数 0
2回答
学习
在您所使用的代码中，您已经显式地设置了过滤器权重的值，但是神经网络在对一组图像数据进行训练时实际上将学习最佳的过滤器权重。在本节的后面，您将了解到这类神经网络的所有情况，但您知道高通和低通过滤器是定义这种网络行为的原因，并且您知道如何从零开始编写这些代码！PyTorch如何更新卷积层中的权重？
浏览 2提问于2018-12-31得票数 1
回答已采纳
2回答
我想知道在神经网络层的反向传播过程中，是否设置了学习速率来更新权重。重量是如何和在哪里更新的？
我看不到优化器、学习率和反向传播函数之间的联系。
浏览 4提问于2021-09-14得票数 1
回答已采纳
我想在Tensorflow中使用一个预先训练过的Pytorch模型，并且我需要将tensorflow张量转换为pytorch张量。但是，我不想将Py手电筒张量转换为numpy数组，并将其转换为tensorflow张量，因为我得到的错误是“您必须为占位符张量提供一个值”。当我制作图形时，我需要这个转换，这样tensorflow张量就没有价值了，并且不能转换为numpy！有什么解决办法吗？
浏览 5提问于2021-01-24得票数 2
回答已采纳
1回答
我正在尝试基于相应的索引张量连接多个张量。作为一个玩具示例，我有一个具有相应索引向量B = [0,1]的张量A = [[0,1,2],[2,3,4]]和另一个具有相应索引向量D = [0,1,2]的张量C = [[5,6,7],[8,9,10]我正试图有效地做到这一点，因为它包含在我的NN模型中，并且在反向传播期间可能会受到性能问题的影响。我能够做到这一点，通过构造一个字典和循环如下： E = defaultdict(list)
for vector,
浏览 17提问于2019-05-14得票数 1
1回答
我有一个代码，它接收2个张量，并将它们转换为numpy数组，然后执行一些操作，将结果转换回张量并返回它。我有一些与此相关的错误。然而，当我单独使用它时，这个函数工作得很好，即提供两个张量，然后分析返回值。 我尝试过在函数内部进行初始化，但是都没有解决这个问题。
浏览 33提问于2019-05-17得票数 0
3回答
了解PyTorch中的反向传播
、、、、
我正在探索PyTorch，但我不理解以下示例的输出：x = torch.tensor(4., requires_grad
浏览 2提问于2021-09-28得票数 3
我有一个预先训练好的模型，它是由现在我重新加载它，并尝试计算fisher信息矩阵，如下所示：batch_size = 32my_model.eval() # I tried to comment this off, but still no luck
for n, p in deepcopy({n: p for n, p
浏览 169提问于2020-06-06得票数 0
回答已采纳
我是PyTorch的中级学习者，在最近的一些案例中，我看到人们使用torch.inference_mode()而不是著名的torch.no_grad()来验证经过训练的agent在强化学习(RL)实验中的有效性
浏览 53提问于2022-10-25得票数 -1
download=True, transform=transform_list)
tmp
我如何通过建立一个良好的网络来解决这个问题
浏览 2提问于2021-07-14得票数 1
回答已采纳
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
