快捷方式

torch.autograd.function.FunctionCtx.mark_dirty

FunctionCtx.mark_dirty(*args)[源代码]

将给定的张量标记为在就地操作中修改。

这应该最多调用一次,在 setup_context()forward() 方法中,所有参数都应该是输入。

在调用 forward() 时,在就地修改的每个张量都应传递给此函数,以确保检查的正确性。该函数是在修改之前还是之后调用并不重要。

示例:
>>> class Inplace(Function):
>>>     @staticmethod
>>>     def forward(ctx, x):
>>>         x_npy = x.numpy() # x_npy shares storage with x
>>>         x_npy += 1
>>>         ctx.mark_dirty(x)
>>>         return x
>>>
>>>     @staticmethod
>>>     @once_differentiable
>>>     def backward(ctx, grad_output):
>>>         return grad_output
>>>
>>> a = torch.tensor(1., requires_grad=True, dtype=torch.double).clone()
>>> b = a * a
>>> Inplace.apply(a)  # This would lead to wrong gradients!
>>>                   # but the engine would not know unless we mark_dirty
>>> b.backward() # RuntimeError: one of the variables needed for gradient
>>>              # computation has been modified by an inplace operation

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