模型输入是否需要梯度?

在PyTorch中,什么时候需要将输入张量的require_grad设置为True


回答:

通常,输入是固定的——我们不会改变图像,只是从固定的输入图像中推断标签/输出。
由于它们是固定的——不需要计算相对于输入的梯度,只需要计算相对于可训练参数的梯度。

尽管如此,也有你想要改变输入的情况。例如,当你想要可视化特征时。参见,例如,这篇很棒的文章

Related Posts

如何从数据集中移除EXIF数据?

我在尝试从数据集中的图像中移除EXIF数据(这些数据将…

用于Python中的“智能点”游戏的遗传算法不工作

过去几天我一直在尝试实现所谓的“智能点”游戏。我第一次…

哪个R平方得分更有帮助?

data.drop(‘Movie Title’, ax…

使用线性回归预测GRE分数对录取率的影响

我正在学习线性回归,并尝试在Jupyter笔记本中用P…

使用mlrMBO贝叶斯优化进行SVM超参数调优时出现错误

我试图针对一个分类任务优化SVM,这个方法在许多其他模…

Keras模型的二元交叉熵准确率未发生变化

我在网上看到了很多关于这个问题的提问,但没有找到明确的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注