关于with torch.no_grad:的一些小问题

with torch.no_grad:是截断梯度记录的,新生成的数据的都不记录梯度,但是今天产生了一点小疑惑,如果存在多层函数嵌入,是不是函数内所有的数据都不记录梯度,验证了一下,确实是的。

python 复制代码
import torch
x = torch.randn(10, 5, requires_grad = True)
y = torch.randn(10, 5, requires_grad = True)
z = torch.randn(10, 5, requires_grad = True)
def add(x,y,z):
    w = x + y + z
    print(w.requires_grad)
    print(w.grad_fn)
def add2(x,y,z):
    add(x,y,z)
with torch.no_grad():
    add2(x,y,z)
    
add2(x,y,z)
"""
输出:
False
None
True
<AddBackward0 object at 0x00000250371BED68>
"""
相关推荐
柳鲲鹏1 天前
地图影像匹配:基于特征匹配的视觉定位2,python
开发语言·python
yunhuibin1 天前
LeNet
人工智能·python
哥布林学者1 天前
吴恩达深度学习课程五:自然语言处理 第二周:词嵌入(五)GloVe 算法
深度学习·ai
kuiini1 天前
模型转换、加速与推理优化【Plan 8】
深度学习
jaray1 天前
PyCharm 2024.3.2 Professional 如何更换 PyPI 镜像源
ide·python·pycharm·pypi 镜像源
Psycho_MrZhang1 天前
Neo4j Python SDK手册
开发语言·python·neo4j
Quintus五等升1 天前
深度学习④|分类任务—VGG13
人工智能·经验分享·深度学习·神经网络·学习·机器学习·分类
web3.08889991 天前
1688图片搜索API,相似商品精准推荐
开发语言·python
少云清1 天前
【性能测试】15_JMeter _JMeter插件安装使用
开发语言·python·jmeter
光羽隹衡1 天前
机器学习——TF-IDF实战(红楼梦数据处理)
python·tf-idf