pytorch 自定义参数不更新方式
更新时间：2020年01月06日 09:56:54 作者：ShellCollector
今天小编就为大家分享一篇pytorch 自定义参数不更新方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
nn.Module中定义参数：不需要加cuda，可以求导，反向传播
class BiFPN(nn.Module):
def __init__(self, fpn_sizes):
self.w1 = nn.Parameter(torch.rand(1))
print("no---------------------------------------------------",self.w1.data, self.w1.grad)
下面这个例子说明中间变量可能没有梯度，但是最终变量有梯度：
cy1 cd都有梯度
import torch
xP=torch.Tensor([[ 3233.8557, 3239.0657, 3243.4355, 3234.4507, 3241.7087,
3243.7292, 3234.6826, 3237.6609, 3249.7937, 3244.8623,
3239.5349, 3241.4626, 3251.3457, 3247.4263, 3236.4924,
3251.5735, 3246.4731, 3242.4692, 3239.4958, 3247.7283,
3251.7134, 3249.0237, 3247.5637],
[ 1619.9011, 1619.7140, 1620.4883, 1620.0642, 1620.2191,
1619.9796, 1617.6597, 1621.1522, 1621.0869, 1620.9725,
1620.7130, 1620.6071, 1620.7437, 1621.4825, 1620.5107,
1621.1519, 1620.8462, 1620.5944, 1619.8038, 1621.3364,
1620.7399, 1621.1178, 1618.7080],
[ 1619.9330, 1619.8542, 1620.5176, 1620.1167, 1620.1577,
1620.0579, 1617.7155, 1621.1718, 1621.1338, 1620.9572,
1620.6288, 1620.6621, 1620.7074, 1621.5305, 1620.5656,
1621.2281, 1620.8346, 1620.6021, 1619.8228, 1621.3936,
1620.7616, 1621.1954, 1618.7983],
[ 1922.6078, 1922.5680, 1923.1331, 1922.6604, 1922.9589,
1922.8818, 1920.4602, 1923.8107, 1924.0142, 1923.6907,
1923.4465, 1923.2820, 1923.5728, 1924.4071, 1922.8853,
1924.1107, 1923.5465, 1923.5121, 1922.4673, 1924.1871,
1923.6248, 1923.9086, 1921.9496],
[ 1922.5948, 1922.5311, 1923.2850, 1922.6613, 1922.9734,
1922.9271, 1920.5950, 1923.8757, 1924.0422, 1923.7318,
1923.4889, 1923.3296, 1923.5752, 1924.4948, 1922.9866,
1924.1642, 1923.6427, 1923.6067, 1922.5214, 1924.2761,
1923.6636, 1923.9481, 1921.9005]])
yP=torch.Tensor([[ 2577.7729, 2590.9868, 2600.9712, 2579.0195, 2596.3684,
2602.2771, 2584.0305, 2584.7749, 2615.4897, 2603.3164,
2589.8406, 2595.3486, 2621.9116, 2608.2820, 2582.9534,
2619.2073, 2607.1233, 2597.7888, 2591.5735, 2608.9060,
2620.8992, 2613.3511, 2614.2195],
[ 673.7830, 693.8904, 709.2661, 675.4254, 702.4049,
711.2085, 683.1571, 684.6160, 731.3878, 712.7546,
692.3011, 701.0069, 740.6815, 720.4229, 681.8199,
736.9869, 718.5508, 704.3666, 695.0511, 721.5912,
739.6672, 728.0584, 729.3143],
[ 673.8367, 693.9529, 709.3196, 675.5266, 702.3820,
711.2159, 683.2151, 684.6421, 731.5291, 712.6366,
692.1913, 701.0057, 740.6229, 720.4082, 681.8656,
737.0168, 718.4943, 704.2719, 695.0775, 721.5616,
739.7233, 728.1235, 729.3387],
[ 872.9419, 891.7061, 905.8004, 874.6565, 899.2053,
907.5082, 881.5528, 883.0028, 926.3083, 908.9742,
890.0403, 897.8606, 934.6913, 916.0902, 880.4689,
931.3562, 914.4233, 901.2154, 892.5759, 916.9590,
933.9291, 923.0745, 924.4461],
[ 872.9661, 891.7683, 905.8128, 874.6301, 899.2887,
907.5155, 881.6916, 883.0234, 926.3242, 908.9561,
890.0731, 897.9221, 934.7324, 916.0806, 880.4300,
931.3933, 914.5662, 901.2715, 892.5501, 916.9894,
933.9813, 923.0823, 924.3654]])
shape=[4000, 6000]
cx,cy1=torch.rand(1,requires_grad=True),torch.rand(1,requires_grad=True)
cd=torch.rand(1,requires_grad=True)
ox,oy=cx,cy1
print('cx:{},cy:{}'.format(id(cx),id(cy1)))
print('ox:{},oy:{}'.format(id(ox),id(oy)))
cx,cy=cx*shape[1],cy1*shape[0]
print('cx:{},cy:{}'.format(id(cx),id(cy)))
print('ox:{},oy:{}'.format(id(ox),id(oy)))
distance=torch.sqrt(torch.pow((xP-cx),2)+torch.pow((yP-cy),2))
mean=torch.mean(distance,1)
starsFC=cd*torch.pow((distance-mean[...,None]),2)
loss=torch.sum(torch.mean(starsFC,1).squeeze(),0)
loss.backward()
print(loss)
print(cx)
print(cy1)
print("cx",cx.grad)
print("cy",cy1.grad)
print("cd",cd.grad)
print(ox.grad)
print(oy.grad)
print('cx:{},cy:{}'.format(id(cx),id(cy)))
print('ox:{},oy:{}'.format(id(ox),id(oy)))
以上这篇pytorch 自定义参数不更新方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了Python基于pandas获取网页表格数据,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-05-05
在Anaconda里安装OpenCV的方法有很多,下面这篇文章主要给大家介绍了关于Anaconda安装OpenCV的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-09-09
本篇文章主要介绍了详解使用 pyenv 管理多个版本 python 环境，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-10-10
这篇文章主要为大家详细介绍了python梯度法，最速下降法的原理，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-03-03
下面小编就为大家带来一篇浅谈scrapy 的基本命令介绍。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-06-06
这篇文章主要给大家介绍了关于Python中values()函数用法的相关资料,python内置的values()函数返回一个字典中所有的值,文中给出了代码示例,需要的朋友可以参考下2023-09-09
这篇文章主要为大家介绍了Python开发工具PyCharm的下载与安装步骤图文教程，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-07-07
在 Python 项目中,requirements.txt 文件通常用于列出项目依赖的库及其版本号,本文主要介绍了Python生成requirements.txt的几个常用方法,希望对大家有所帮助2025-02-02
Python是一门强大的编程语言,但在将Python代码分享给其他人时,让他们安装Python解释器并运行脚本可能有点繁琐,这时,将Python代码打包成可执行的应用程序（.exe）可以大大简化这个过程,本文将介绍几种常用的方法,轻松地将Python代码变成独立的可执行文件2023-12-12
这篇文章主要介绍了python之线程池map()方法传递多参数list问题，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-03-03
最新评论