＜input＞:1: UserWarning: The .grad attribute of a Tensor that is not a leaf Tensor is being accessed.

最新推荐文章于 2024-03-25 15:56:58 发布

weixin_42673583

最新推荐文章于 2024-03-25 15:56:58 发布

阅读量1.3k

点赞数

分类专栏： pytorch 文章标签：深度学习 python pytorch

本文链接：https://blog.csdn.net/weixin_42673583/article/details/128352716

版权

pytorch 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

博客讲述了在最新版PyTorch中遇到的问题，即在将数据迁移到GPU上后，即使设置了requires_grad=True仍然无法解决问题。原因是旧版的Variable已经过时，现在应使用torch.nn.Parameter。作者提供了修正后的代码，通过将numpy数据转换为torch.nn.Parameter并直接分配到GPU上，成功解决了问题。

摘要由CSDN通过智能技术生成

今天遇到这个问题啊

结果出现这个错误
解决方法很简单
放到gpu上
我把数据放到gpu上 reguires_grad需要重新赋值为True

    self.w_1_p = self.w_1_p.to(device)
    self.w_2_p = self.w_2_p.to(device)
    self.w_3_p = self.w_3_p.to(device)
    self.fc_w = self.fc_w.to(device)

    self.w_1_p.requires_grad = True
    self.w_2_p.requires_grad = True
    self.w_3_p.requires_grad = True
    self.fc_w.requires_grad = True

经过上述并没有解决问题，就算强制设置叶子几点也失败
关键原因在于原来使用的Variable太老了是之前0.x版本的pytorch
对于最新的pytorch直接使用在自定义参数而且直接赋值在gpu上
具体代码如下

tmp = sio.loadmat(‘./tmp/afew/w_1.mat’)[‘w_1’]
# self.w_1_p = Variable(torch.from_numpy(tmp), requires_grad=True)
self.w_1_p=torch.nn.Parameter(torch.from_numpy(tmp).cuda())

    tmp = sio.loadmat('./tmp/afew/w_2.mat')['w_2']
    # self.w_2_p = Variable(torch.from_numpy(tmp), requires_grad=True)
    self.w_2_p = torch.nn.Parameter(torch.from_numpy(tmp).cuda())

    tmp = sio.loadmat('./tmp/afew/w_3.mat')['w_3']
    # self.w_3_p = Variable(torch.from_numpy(tmp), requires_grad=True)
    self.w_3_p = torch.nn.Parameter(torch.from_numpy(tmp).cuda())

    tmp = sio.loadmat('./tmp/afew/fc.mat')['theta']
    # self.fc_w = Variable(torch.from_numpy(tmp.astype(np.float64)), requires_grad=True)
    self.fc_w = torch.nn.Parameter(torch.from_numpy(tmp).cuda())

原始的代码都是numpy写的，torch 的gpu计算也有类似的，不需要转换