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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注