我正在尝试创建一个模型，该模型以单词作为输入并以段落作为输出。当我尝试将fastai|text上给出的示例应用到我自己的数据集时，出现了错误。错误发生在以下步骤。您在查看网站时，直到得到下面的代码才开始关注。但这段代码却引发了错误。这可能是什么原因导致的错误？

代码：

from fastai import *from fastai.text import * path = untar_data(URLs.IMDB_SAMPLE)df = pd.read_csv(path/'texts.csv')# 语言模型数据data_lm = TextLMDataBunch.from_csv(path, 'texts.csv')# 分类模型数据data_clas = TextClasDataBunch.from_csv(path, 'texts.csv', vocab=data_lm.train_ds.vocab, bs=32)data_lm.save()data_clas.save()data_lm = TextLMDataBunch.load(path)data_clas = TextClasDataBunch.load(path, bs=32)learn = language_model_learner(data_lm, pretrained_model=URLs.WT103, drop_mult=0.5)learn.fit_one_cycle(1, 1e-2)

错误代码：

learn = language_model_learner(data_lm, pretrained_model=URLs.WT103, drop_mult=0.5)

输出：

    102     if not ps: return None    103     if b is None: return ps[0].requires_grad--> 104     for p in ps: p.requires_grad=b    105     106 def trainable_params(m:nn.Module)->ParamList:RuntimeError: you can only change requires_grad flags of leaf variables. If you want to use a computed variable in a subgraph that doesn't require differentiation use var_no_grad = var.detach().

回答：

使用以下命令将grad设置为false：torch.set_grad_enabled(False)（在创建learner对象之前使用）

并使用torch.enable_grad()包装函数调用（learn.fit cycle()）：