PyTorch学习之自动求导机制-Volatile标志

修改官方文档的错误

 

运行官方文档中的代码可能会报错（维度不一致）：

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "e:\Anaconda3\lib\site-packages\torch\nn\modules\module.py", line 489, in __call__
result = self.forward(*input, **kwargs)
File "e:\Anaconda3\lib\site-packages\torchvision\models\resnet.py", line 150, in forward
x = self.conv1(x)
File "e:\Anaconda3\lib\site-packages\torch\nn\modules\module.py", line 489, in __call__
result = self.forward(*input, **kwargs)
File "e:\Anaconda3\lib\site-packages\torch\nn\modules\conv.py", line 320, in forward
self.padding, self.dilation, self.groups)
RuntimeError: Expected 4-dimensional input for 4-dimensional weight [64, 3, 7, 7], but got 2-dimensional input of size [5, 5] instead

因为model需要四维变量，而官方文档中的是二维变量，所以会报错

修改方法：去掉Variable函数，这是0.4版本的函数，我们现在使用的大多数是1.0版本

regular_input=torch.randn(1,3,224,224)#默认是True   
volatile_input=torch.randn(1,3,224,224)
Model=torchvision.models.resnet18(pretrained=True)
Model(regular_input).requires_grad
with torch.no_grad():
Model(volatile_input).requires_grad

总结：（1）requires_grad=Fasle时不需要更新梯度， 适用于冻结某些层的梯度；
volatile=True相当于requires_grad=False，适用于推断阶段，不需要反向传播。这个现在已经取消了，使用with torch.no_grad()来替代

 

转载于:https://www.cnblogs.com/cola-1998/p/10977479.html