Pytorch 创建一个'；这只是身份

我试图调试不同模块之间相当复杂的交互。如果能够用一个身份网络来代替其中一个进行调试，那将非常有帮助。例如：

net\u a=NetworkA（）
net_b=NetworkB（）
net_c=NetworkC（）
输入=自动加载变量（torch.rand（10,2））
输出=净输出（输入）
out=净值（out）
out=净成本（out）

我希望能够将第二行更改为

net_b=IdentityNet（）

，而不必检查并重新连接所有As到Cs。但是，当我创建一个完全空的nnModule时，优化器抛出

ValueError:optimizer得到一个空的参数列表

有什么解决办法吗

最低限度的非工作示例：

将torch.optim导入为optim
类标识模块（nnModule）：
def前进档（自身，输入）：
返回输入
identity=IdentityModule（）
opt=optim.Adam（标识，lr=0.001）
out=标识（任意张量）
误差=火炬平均值（out）
error.backward（）
选择步骤（）

你在这里遇到的问题是合乎逻辑的。看看你这样做意味着什么：

error.backward（）
选择步骤（）

.backward（）

将递归计算从输出到传入网络的任何输入的梯度。就计算图而言，有两种值得注意的输入：传入的输入和模拟网络行为的

nn.Parameter

s。然后执行

opt.step（）

但是，伪代码没有单个
nn.参数
！，因为标识模块不包含一个。因此，当您调用这些函数时，
opt.step（）
没有目标，这解释了错误消息

这不适用于您前面描述的情况。如果将一个没有参数的模块链接到一个更大的链中，其中一些确实有参数，则计算图中有要训练的参数

不过，您需要确保优化器确实在初始化时传递了所有这些参数。一个简单的技巧是打印以下内容：

net\u a=SomeNetwork（）
net_b=IdentityNetwork（）#没有参数
net_c=SomeNetwork（）
打印（列表（net_a.parameters（））#将包含net_a中的任何参数
打印（列表（净参数（））#将为[]
打印（列表（net_c.parameters（））#将包含net_c中的任何参数
#要培训所有学员，您可以执行以下两项操作之一：
# 1. 创建新模块。这是可行的，因为“.parameters（）”递归地从所有子模块收集参数。
类NewNet（nn.Module）：
定义初始化（自）：
nn.模块初始化（自）
self.net\u a=net\u a
self.net_b=身份
self.net\u c=net\u c
def前进（自我，输入）：
返回self.net_c（self.net_b（self.net_a（输入）））
所有参数=列表（NewNet（）.parameters（））
打印（所有参数）#将包含net_a和net_c的所有参数列表
# 2. 只需合并列表
所有参数=列表（净参数（））+列表（净参数（））+列表（净参数（））
打印（所有参数）#将包含net_a和net_c的所有参数列表
opt=optim.SGD（所有参数）
您还可以：

编辑：在PyTorch 1.7中，
[nn.Identity](https://pytorch.org/docs/stable/generated/torch.nn.Identity.html#torch.nn.Identity)出现了
。文档位于[此处]。
pytorch的最新版本有一个标识模块

net_b=nn.Identity（）
空模块是什么意思？您的
IdentifyNet（）
看起来像什么？它只是返回输入吗？你应该让你的帖子更清晰。是的，我希望IdentityNet只返回它的输入。我想我可以让
forward
方法只返回输入，但是优化器会出现一个错误，说没有要优化的参数。我正在寻找关于编写IdentityNet类的建议。您应该提供一个最小的工作示例，让人们重现您的错误。好的，谢谢。我正在做一些事情，比如我不希望每次都更新所有参数，但我可以使用requires_grad=False来解决这个问题。很好的建议是将它们组合到一个网络中。@SamBobel，为什么不对中间变量使用
detach（）
？我会研究一下，谢谢你的建议。我以前没看过《脱衣舞》

net_b = torch.nn.Sequential()