pytorch中使用detach()

最新推荐文章于 2024-12-13 10:08:34 发布

原创最新推荐文章于 2024-12-13 10:08:34 发布 · 4.5k 阅读

2 ·

CC 4.0 BY-SA版权

deeplearning 专栏收录该内容

1 篇文章

订阅专栏

本文深入探讨了一个深度学习网络的构建过程，从输入层到输出层详细解释了每一层的功能和参数设置。通过实例演示了如何使用PyTorch库定义和训练一个包含多个卷积层的神经网络。

部署运行你感兴趣的模型镜像

import torch.nn as nn
import torch
class net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv = nn.Conv2d(3, 6, 3, stride=2, padding=1)
        self.layer1 = nn.Conv2d(6,12,3,stride=2, padding=1)
        self.layer2 = nn.Conv2d(12, 24, 3, stride=2, padding=1)
        self.layer3 = nn.Conv2d(24, 48, 3, stride=2, padding=1)
    def forward(self, x):
        x = self.conv(x)
        x = self.layer1(x)

        x = self.layer2(x)
        x = x.detach()
        x = self.layer3(x)

        x = torch.mean(x)

        x.backward()
        print(self.layer2.weight.grad) # None
        print(self.layer3.weight.grad) # Tensor Size([48, 24, 3, 3)

if __name__ == '__main__':
    data = torch.randn(1, 3, 224, 224)
    n = net()
    pred = n(data)

您可能感兴趣的与本文相关的镜像