torch.__future__

torch.__future__.set_overwrite_module_params_on_conversion(value)

设置是否在转换 nn.Module 时将新的 tensor 赋值给参数，而不是原地修改现有参数。

启用后，以下方法将为模块分配新参数

1. module.{device}() （例如 nn.Module.cuda()），用于在设备之间移动模块

2. module.{dtype}() （例如 nn.Module.float()），用于将模块转换为不同的数据类型

3. nn.Module.to()

4. nn.Module.to_empty()

参数

value (bool) – 是否赋值新 tensor。

torch.__future__.get_overwrite_module_params_on_conversion()

返回是否在转换 torch.nn.Module 时将新的 tensor 赋值给参数，而不是原地修改现有参数。默认为 False。

有关详细信息，请参阅 set_overwrite_module_params_on_conversion()。

返回类型

bool

torch.__future__.set_swap_module_params_on_conversion(value)

设置是否在使用 nn.Module 转换时使用 swap_tensors() 而不是设置 .data 来原地修改现有参数，以及在将 state dict 加载到 nn.Module 时使用 swap_tensors() 而不是 param.copy_(state_dict[key])。

注意

此函数优先于 get_overwrite_module_params_on_conversion()

启用后，以下方法将原地交换现有参数

1. module.{device}() （例如 nn.Module.cuda()），用于在设备之间移动模块

2. module.{dtype}() （例如 nn.Module.float()），用于将模块转换为不同的数据类型

3. nn.Module.to()

4. nn.Module.to_empty()

5. nn.Module.load_state_dict()

设置此项时，load_state_dict() 的语义如下

1. 对于每个参数/缓冲区，其对应的 state_dict['key'] 通过 module_load() 进行转换（即 res = param.module_load(state_dict['key'])）

2. 如有必要，res 将被包装在 Parameter 中

3. 模块中的参数/缓冲区将通过 swap_tensors() 与 res 进行交换

参数

value (bool) – 是否使用 swap_tensors()。

torch.__future__.get_swap_module_params_on_conversion()

返回是否在使用 nn.Module 转换时使用 swap_tensors() 而不是设置 .data 来原地修改现有参数。默认为 False。

有关详细信息，请参阅 set_swap_module_params_on_conversion()。

返回类型

bool