关于nn.embedding.weight和nn.embedding.weight.data的区别

jeiguopwei在看代码的时候发现这里很混乱就自己敲了看看什么区别，这是我自己武断总结的，希望能帮助大家，有错误希望能指出来~

embedding = nn.Embedding(2, 30)

nn.Embedding这个函数就不多说了，可以看这个(19条消息) 详细介绍pytorch中的nn.Embedding()_nn.embedding可以训练么_拒绝省略号的博客-优快云博客讲的很清楚

我在使用这个函数时候发现nn.embedding.weight和nn.embedding.weight.data发现值是一样的唯一的区别是：

import torch
from torch import nn
embedding = nn.Embedding(2, 5)
m = embedding.weight[0]
a=embedding.weight
b=embedding.weight.data
print(a)
print(b)

输出为

C:\Users\MADAO\anaconda3\envs\GNN\python.exe D:\pycharm_\pythonProject1\111.py 
Parameter containing:
tensor([[-0.4117,  0.9681,  0.3480, -1.5160, -0.3936],
        [ 0.4915,  1.8726, -0.0110, -1.5273,  0.0603]], requires_grad=True)
tensor([[-0.4117,  0.9681,  0.3480, -1.5160, -0.3936],
        [ 0.4915,  1.8726, -0.0110, -1.5273,  0.0603]])

Process finished with exit code 0

可以看到第一个自动设置了梯度为Ture，

去查看b发现

然后的话可以看到除了梯度的T or F是没有什么区别的，当设置with torch.no_grad():后可以直接weight.uniform_()的

import torch
from torch import nn
embedding = nn.Embedding(2, 5)
c= embedding.weight.data.uniform_(-0.5,0.5)/128
with torch.no_grad():
    d=embedding.weight.uniform_(-0.5,0.5)/128
print(c)
print(b)

结果为 

tensor([[ 0.0012, -0.0034, -0.0036,  0.0001,  0.0013],
        [-0.0015,  0.0033, -0.0002,  0.0023,  0.0003]])
tensor([[ 0.0021, -0.0035, -0.0031,  0.0004,  0.0009],
        [-0.0006, -0.0005,  0.0015, -0.0024, -0.0028]])

Process finished with exit code 0

乱写的，不对请告诉，正在自学ing，孩子真的在努力学了