Sinir ağının çıktısı nasıl dönüştürülür ve hala eğitilir?

Question 1

Çıktı veren bir sinir ağım var output. Dönüşmek istiyorum output kayıp ve geri yayılma gerçekleşmeden önce.

İşte benim genel kodum:

with torch.set_grad_enabled(training):
                  outputs = net(x_batch[:, 0], x_batch[:, 1]) # the prediction of the NN
                  # My issue is here:
                  outputs = transform_torch(outputs)
                  loss = my_loss(outputs, y_batch)

                  if training:
                      scheduler.step()
                      loss.backward()
                      optimizer.step()

Çıktımı koyduğum bir dönüşüm işlevim var:

def transform_torch(predictions):
    torch_dimensions = predictions.size()
    torch_grad = predictions.grad_fn
    cuda0 = torch.device('cuda:0')
    new_tensor = torch.ones(torch_dimensions, dtype=torch.float64, device=cuda0, requires_grad=True)
    for i in range(int(len(predictions))):
      a = predictions[i]
      # with torch.no_grad(): # Note: no training happens if this line is kept in
      new_tensor[i] = torch.flip(torch.cumsum(torch.flip(a, dims = [0]), dim = 0), dims = [0])
    return new_tensor

Benim sorunum, son satırın yanında bir hata alıyorum:

RuntimeError: a view of a leaf Variable that requires grad is being used in an in-place operation.

Herhangi bir öneriniz var mı? Zaten "with torch.no_grad():" (commented) kullanmayı denedim, ancak bu çok zayıf bir eğitimle sonuçlanıyor ve dönüşüm işlevinden sonra degradelerin düzgün şekilde geri yayılmadığına inanıyorum.

Teşekkürler!

Question 2

Hata, sorunun ne olduğu konusunda oldukça doğrudur - yeni bir tensör oluşturduğunuzda requires_grad = True, grafikte bir yaprak düğümü oluşturursunuz (tıpkı bir modelin parametreleri gibi) ve üzerinde yerinde işlem yapmanıza izin verilmez.

Çözüm basit, oluşturmanıza gerek yok new_tensor önceden. Bunun bir yaprak düğümü olması gerekmiyor; sadece anında oluşturun

new_tensor = [ ]
for i in range(int(len(predictions))):
    a = predictions[i]
    new_tensor.append(torch.flip(torch.cumsum(torch.flip(a, ...), ...), ...))

new_tensor = torch.stack(new_tensor, 0)

Bu new_tensor aşağıdaki gibi tüm özellikleri devralacak dtype, device -den predictions ve sahip olacak require_grad = True zaten.

ayandas · Answer 1 · 2021-11-20T04:18:52

Hata, sorunun ne olduğu konusunda oldukça doğrudur - yeni bir tensör oluşturduğunuzda requires_grad = True, grafikte bir yaprak düğümü oluşturursunuz (tıpkı bir modelin parametreleri gibi) ve üzerinde yerinde işlem yapmanıza izin verilmez.

Çözüm basit, oluşturmanıza gerek yok new_tensor önceden. Bunun bir yaprak düğümü olması gerekmiyor; sadece anında oluşturun

new_tensor = [ ]
for i in range(int(len(predictions))):
    a = predictions[i]
    new_tensor.append(torch.flip(torch.cumsum(torch.flip(a, ...), ...), ...))

new_tensor = torch.stack(new_tensor, 0)

Bu new_tensor aşağıdaki gibi tüm özellikleri devralacak dtype, device -den predictions ve sahip olacak require_grad = True zaten.

Sinir ağının çıktısı nasıl dönüştürülür ve hala eğitilir?

Soru

En iyi cevabı

Diğer dillerde

Bu sayfa diğer dillerde

Bu kategoride popüler

Popüler soruları bu kategoride