Fatal编程技术网
  • deep-learning/
  • Deep learning pytorch就地操作错误。如何避开它？

Deep learning pytorch就地操作错误。如何避开它？

deep-learning pytorch

Deep learning pytorch就地操作错误。如何避开它？,deep-learning,visualization,convolution,torch,pytorch,Deep Learning,Visualization,Convolution,Torch,Pytorch,在python中使用PyTorch，我通过使用我正在训练的反向网络将CNN的一个层反馈到输入空间 然而，我只对一个通道的表示感兴趣。我通过将所有值设置为0来实现这一点，除了我感兴趣的通道的值 图像_表示为[torch.FloatTensor，尺寸为1x64x56x56] image_representation[0, 1:, :, :] = 0 将图像_表示插入到逆网络中会生成图像。我把这个图像输入到原始的CNN结果中，再输入到另一个表示中，我可以与原始图像的表示进行比较。这个比较使我的损失函

在python中使用PyTorch，我通过使用我正在训练的反向网络将CNN的一个层反馈到输入空间

然而，我只对一个通道的表示感兴趣。我通过将所有值设置为0来实现这一点，除了我感兴趣的通道的值

图像_表示为[torch.FloatTensor，尺寸为1x64x56x56]

image_representation[0, 1:, :, :] = 0
将图像_表示插入到逆网络中会生成图像。我把这个图像输入到原始的CNN结果中，再输入到另一个表示中，我可以与原始图像的表示进行比较。这个比较使我的损失函数

然而，当我运行它时，我得到了错误

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation
我知道梯度不能完全计算，因为有零，但是我如何设计我的代码，使它能够忽略这个错误，并且只对64个通道中的一个进行计算？

为什么不使用新的变量？i、 e.一个通道=变量（torch.zeros（1,64,56,56））一个通道[0,1:，：，：]=图像表示[0,1:，：，：，：]，然后将其输入到您的反向网络，并将结果输入原始CNN？@Sumaku您的解决方案对我有效。输出[0,1，：，：]=0