深度学习框架pytorch：tensor.data和tensor.detach()的区别

本文主要是介绍深度学习框架pytorch：tensor.data和tensor.detach()的区别，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本文重点

本文我们区别一下tensor.data和tensor.detach（），我们所讲解的都是pytorch的1.0版本的情况

官方解释

返回一个新的张量，它与当前图形分离。结果永远不需要梯度。返回的张量与原始张量共享相同的存储空间。将看到对其中任何一个的就地修改，并且可能在正确性检查中触发错误。

代码一

import torch
a=torch.full([8],1,requires_grad=True)
b=a.data
c=a.detach()
print(a)
print(b)
print(c)

我们可以看到a.data和a.detach（）都可以取出tensor的值，不同的是原来的tensor是requires_grad=True,而b，c都是requires_grad=False，也就是原来的可以求梯度，而之后的不可以求梯度

二者的区别

data

import torch
a = torch.tensor([1,2,3.], requires_grad =True)
out=a.sigmoid()
c=out.data
c.zero_()
print(c)
print(out)
out.sum().backward()
print(a.grad)

这篇关于深度学习框架pytorch：tensor.data和tensor.detach()的区别的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---