Question

我正在尝试在PyTorch中屏蔽（强制为零）特定的重量值。我尝试掩盖的权重在def __init__

中定义为

class LSTM_MASK(nn.Module):
        def __init__(self, options, inp_dim):
            super(LSTM_MASK, self).__init__()
            ....
            self.wfx = nn.Linear(input_dim, curernt_output, bias=add_bias)

掩码在def __init__中也定义为

self.mask_use = torch.Tensor(curernt_output, input_dim)

掩码是一个常量，掩码参数的.requires_grad_()是False。现在，在课程的def forward部分中，我尝试在完成线性运算之前对权重参数和掩码进行逐元素乘法

def forward(self, x):
    ....
    self.wfx.weight = self.wfx.weight * self.mask_use
    wfx_out = self.wfx(x)

我收到一条错误消息：

self.wfx.weight = self.wfx.weight * self.mask_use
  File "/home/xyz/anaconda2/lib/python2.7/site-packages/torch/nn/modules/module.py", line 537, in __setattr__
    .format(torch.typename(value), name))
TypeError: cannot assign 'torch.cuda.FloatTensor' as parameter 'weight' (torch.nn.Parameter or None expected)

但是，当我使用.type()检查两个参数时，它们都以torch.cuda.FloatTensor出现。我不确定为什么这里有错误。

Answer 1

按元素操作总是返回FloatTensor。无法将法线张量分配为weight层。

有两种可能的解决方法。您可以将其分配给权重的data属性，可以分配法线张量。

或者您也可以将结果转换为nn.Parameter本身，然后可以将其分配给wfx.weight。

以下是同时显示两种方式的示例：

import torch
import torch.nn as nn

wfx = nn.Linear(10, 10)
mask_use = torch.rand(10, 10)
#wfx.weight = wfx.weight * mask_use #your example - this raises an error

# Option 1: write directly to data
wfx.weight.data = wfx.weight * mask_use

# Option 2: convert result to nn.Parameter and write to weight
wfx.weight = nn.Parameter(wfx.weight * mask_use)

免责声明：在权重上使用=（分配）时，您正在替换参数的权重张量。这可能会对图形的响应产生不良影响。优化步骤。

Answer 2

将 Tensorfloat 变量更改为参数变量的一种有效方法：

self.wfx.weight = torch.nn.parameter.Parameter((self.wfx.weight.data * self.mask_use))

我希望这会有用。

如何在PyTorch权重参数中掩盖权重？

2 个答案: