Question

我是pytorch的新手。我读了很多pytorch代码，这些代码大量使用了张量的.data成员。但是我在官方文档和Google中搜索.data，却发现很少。我猜.data包含张量中的数据，但是我不知道何时需要它，何时不需要它？

Answer 1

.data是Variable的属性（代表Tensor的对象具有历史跟踪功能，例如用于自动更新），而不是Tensor。实际上，.data可以访问Variable的基础Tensor。

但是，由于PyTorch版本0.4.0，Variable和Tensor已合并（合并为更新的Tensor结构），所以.data沿前一个版本消失了Variable对象（Variable仍在此处以实现向后兼容，但已弃用）。

Release Notes中版本0.4.0的段落（我建议阅读有关Variable / Tensor更新的整个章节）

.data呢？

.data是从网站获取基础Tensor的主要方法   Variable。合并之后，调用y = x.data仍然具有类似的功能   语义。因此y将是一个Tensor，它与   x，与x的计算历史无关，并且具有   requires_grad=False。

但是，.data在某些情况下可能是不安全的。 x.data上的任何更改   autograd不会跟踪，计算出的梯度将是   如果在向后传递中需要x，则错误。一个更安全的选择是   使用x.detach()，它还会返回共享数据的Tensor   与requires_grad=False一起使用，但会就地更改   如果autograd向后需要x，则由"apps": [ { "root": "src", "outDir": "dist", "assets": [ "assets" // <<< ], }]报告。

Answer 2

除了@benjaminplanche 的回答，我会用它来手动更改参数的值。

例如，我有以下模型：

model = nn.Sequential(nn.Linear(10, 1))

出于某种原因，我想手动更新其参数的值。然后，我可以这样做：

for param in model.parameters():
    param.data = 10 * param.data  # multiply the parameter values by 10.

请注意，如果我们删除 .data 后面的 param，参数值将不会更新。

这种用法可以在 BYOL (Bootstrap your own latent) 和 this Github webpage for BYOL pytorch implementation 中找到。

.data在pytorch中仍然有用吗？

2 个答案: