快捷方式

torch.__future__

torch.__future__.set_overwrite_module_params_on_conversion(value)[source]

设置在转换 nn.Module 时是否将新张量分配给参数,而不是就地更改现有参数。

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 dtype

  3. nn.Module.to()

  4. nn.Module.to_empty()

参数

value (bool) – 是否分配新张量。

torch.__future__.get_overwrite_module_params_on_conversion()[source]

返回在转换 torch.nn.Module 时是否将新张量分配给参数,而不是就地更改现有参数。默认为 False

请参阅 set_overwrite_module_params_on_conversion() 以获取更多信息。

返回类型

bool

torch.__future__.set_swap_module_params_on_conversion(value)[source]

设置是否使用 swap_tensors() 而不是设置 .data 来就地更改现有参数,当转换 nn.Module 时,以及在将状态字典加载到 nn.Module 时,而不是 param.copy_(state_dict[key])

启用后,以下方法将就地交换现有参数

  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 dtype

  3. nn.Module.to()

  4. nn.Module.to_empty()

  5. nn.Module.load_state_dict()

设置此选项后,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'] 将通过 module_load()(即 res = param.module_load(state_dict['key']))进行转换

  2. 如有必要,res 将包装在 Parameter

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

参数

value (bool) – 是否使用 swap_tensors()

torch.__future__.get_swap_module_params_on_conversion()[source]

返回在将 nn.Module 转换为其他类型时,是否使用 swap_tensors() 而不是设置 .data 来就地更改现有参数。默认为 False

有关更多信息,请参阅 set_swap_module_params_on_conversion()

返回类型

bool

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源