Python Pytorch参数（）在收集到列表或保存在生成器中时表现不同

TL；DR-使用生成器失败，使用列表成功。为什么？

我正在尝试手动更改模型的参数，如下所示：

（第1代码，工程）

而且它似乎在100%的时间里收敛于正确的结果

但是，

尝试使用这样的函数时：

（第二个代码，失败）

然后

       delta = r_t + gamma * expected_reward_from_t1.data - expected_reward_from_t.data

        negative_expected_reward_from_t = -expected_reward_from_t
        self.critic_optimizer.zero_grad()
        negative_expected_reward_from_t.backward()
        self._update_grads(delta=delta,
                           discount=discount)

        self.critic_optimizer.step()

这似乎是我做的唯一一件事，就是把self.critic\n.parameters（）放入一个临时局部变量

params

现在网络无法融合。

（第三个代码同样有效）

在方法

\u update\u grads

中替换时：

params=self.critic\u nn.parameters（）

为

params=list（self.critic\u nn.parameters（））

现在，再次恢复了趋同

---

这似乎是一个参考问题，在PyTorch中，我并不完全理解。我似乎不完全理解参数（）返回的内容

---

问题：

---

为什么第一个和第三个代码可以工作，而第二个代码不能工作？

在第二个示例中，您的代码

p.grad[：]…

似乎不在循环中。在stackoverflow上粘贴时无意中发生了吗？@kHarshit是的。现在编辑。@Gulzar它返回一个生成器，正如您从中看到的。起初，“网络不收敛”听起来更像是算法问题，而不是编程问题。源代码没有显示耗尽生成器的任何副作用，因此不收敛似乎是由不同的原因造成的。您是否确保了这三种情况之间的完全可比性（在初始化、随机性等方面）？显示周围的代码也会很有帮助。@a_guest唯一的区别是使用列表或生成器。既然问题不是关于算法的，我想我不会向你透露细节。在每种情况下，行为都是不同的，随机种子总是相同的。案例1和案例3收敛于某个（错误的）值，案例2根本不收敛。更多详细信息，请参见@Gulzar。然而，就目前的问题而言，这个问题是不可复制的。正如我提到的，生成器函数没有任何副作用，所以我认为问题出在代码的其他地方。如果你能提供一个答案，这将增加问题被回答的机会。在第二个例子中，你的代码

p.grad[：]…

似乎是不正常的。在stackoverflow上粘贴时无意中发生了吗？@kHarshit是的。现在编辑。@Gulzar它返回一个生成器，正如您从中看到的。起初，“网络不收敛”听起来更像是算法问题，而不是编程问题。源代码没有显示耗尽生成器的任何副作用，因此不收敛似乎是由不同的原因造成的。您是否确保了这三种情况之间的完全可比性（在初始化、随机性等方面）？显示周围的代码也会很有帮助。@a_guest唯一的区别是使用列表或生成器。既然问题不是关于算法的，我想我不会向你透露细节。在每种情况下，行为都是不同的，随机种子总是相同的。案例1和案例3收敛于某个（错误的）值，案例2根本不收敛。更多详细信息，请参见@Gulzar。然而，就目前的问题而言，这个问题是不可复制的。正如我提到的，生成器函数没有任何副作用，所以我认为问题出在代码的其他地方。如果你能提供一个答案，这将增加问题被回答的机会。

def _update_grads(self,delta, discount):
    params = self.critic_nn.parameters()
    for i, p in enumerate(params):
        if not p.requires_grad:
            continue
        p.grad[:] = delta.squeeze() * discount * p.grad

       delta = r_t + gamma * expected_reward_from_t1.data - expected_reward_from_t.data

        negative_expected_reward_from_t = -expected_reward_from_t
        self.critic_optimizer.zero_grad()
        negative_expected_reward_from_t.backward()
        self._update_grads(delta=delta,
                           discount=discount)

        self.critic_optimizer.step()