PyTorch Code Snippets

1. 卷积计算

代码如下:

import torch
filter = torch.nn.Conv2d(2, 1, 2, 1, 1, 3, bias=False)

filter.weight[0][0][0][0]=2
filter.weight[0][0][0][1]=1
filter.weight[0][0][1][0]=1
filter.weight[0][0][1][1]=-1

filter.weight[0][1][0][0]=-3
filter.weight[0][1][0][1]=2
filter.weight[0][1][1][0]=-2
filter.weight[0][1][1][1]=3

x = torch.FloatTensor([[[[4,-3,2,2],[3,5,-2,3],[0,-4,1,7],[-8,2,9,2]], [[1,-5,3,7],[3,6,9,-2],[2,4,2,-1],[2,-2,7,0]]]])

filter(x)

2. 梯度计算

2.1 requires_grad

如果一个Tensor的requires_grad为True,则需要计算梯度,为False,则不用计算。

2.2 with torch.no_grad()

torch.no_grad是一个用于禁止梯度计算的上下文管理器,只作用于当前线程。

在Inference阶段,不会调用Tensor.backward(),因而无需计算梯度。

禁止梯度计算能够节省很多内存和显存。

>>> x = torch.tensor([1], requires_grad=True)
>>> with torch.no_grad():
...   y = x * 2
>>> y.requires_grad
False

2.3 @torch.no_grad()

也可以作为修饰器来使用,如下:

>>> @torch.no_grad()
... def doubler(x):
...     return x * 2
>>> z = doubler(x)
>>> z.requires_grad
False

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

EnjoyCodingAndGame

愿我的知识,成为您的财富!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值