一、记录自己遇到这个问题的背景原因
最近在Pytorch下手搓神经网络计算图时,遇到了一些问题,
我发现很多莫名其妙的梯度中断或者tensor值异常都源自于
tensor的原地操作,比如原地++,原地+=这些
相应的,为了保证梯度连续,往往需要再找一个变量,先赋值,再对新变量处理。
或者就把运算符写开:tensor = tensor + new_tensorer而不是tensor += new_tensorer
二、.detach()和.clone()的区别
当然,如果不在意梯度,那么就有两种产生新tensor的方法:
detach() 是 PyTorch 中的一个函数,用于从当前计算图中分离张量,生成一个新的张量,新张量不再与原始张量共享梯度。这就意味着对于新张量的操作不会影响原始张量的梯度,也就是说,新张量是不可训练的。但是作为副本,仍然共享相同的数据存储。
clone() 函数生成一个新的张量,包含原始张量相同的数据,但完全独立,不共享梯度,也不共享数据存储。