Tensor.detach() 在 PyTorch 中做什么？

Tensor.detach()用于从当前计算图中分离张量。它返回一个不需要梯度的新张量。

当我们不需要为梯度计算跟踪张量时，我们将张量从当前计算图中分离。

当我们需要将张量从GPU移动到CPU时，我们还需要分离张量。

语法

Tensor.detach()

它返回一个没有requires_grad=True的新张量。将不再计算关于该张量的梯度。

脚步

导入火炬库。确保您已经安装了它。

import torch

使用requires_grad=True创建PyTorch张量并打印张量。

x = torch.tensor(2.0, requires_grad = True) print("x:", x)

计算并可选择将此值分配给新变量。Tensor.detach()

x_detach = x.detach()

在之后打印张量。detach()操作被执行。

print("带有分离的张量：", x_detach)

示例1

# import torch library import torch # create a tensor with requires_gradient=true x = torch.tensor(2.0, requires_grad = True) # print the tensor print("Tensor:", x) #tensor.detachoperation x_detach = x.detach() print("带有分离的张量：", x_detach)输出结果Tensor: tensor(2., requires_grad=True) 带有分离的张量： tensor(2.)

请注意，在上面的输出中，分离后的张量没有requires_grad=True

示例2

# import torch library import torch # define a tensor with requires_grad=true x = torch.rand(3, requires_grad = True) print("x:", x) # apply above tensor to use detach() y = 3 + x z = 3 * x.detach() print("y:", y) print("z:", z)输出结果x: tensor([0.5656, 0.8402, 0.6661], requires_grad=True) y: tensor([3.5656, 3.8402, 3.6661], grad_fn=<AddBackward0>) z: tensor([1.6968, 2.5207, 1.9984])