這篇文章給大家分享的是有關Pytorch如何獲取無梯度Tensor中的值的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。
使用兩個網絡并行運算，一個網絡的輸出值要給另一個網絡反饋。而反饋的輸出值帶有網絡權重的梯度，即grad_fn=<XXXBackward0>.
這時候如果把反饋值扔到第二網絡中更新，會出現第一個計算圖丟失無法更新的錯誤。哎喲喂，我根本不需要第一個網絡的梯度好嗎？
一開始用了一個笨辦法，先轉numpy，然后再轉回torch.Tensor。因為numpy數據是不帶梯度的。
但是我的原始tensor的放在cuda上的，
t_error = td_error.cuda().data.cpu().numpy()
t_error = torch.FloatTensor(t_error).to(device)從cuda轉回了cpu，變成numpy，又轉成了tensor，又回到了cuda上，坑爹呢這是，可能只有我才能寫出如此低效的辣雞代碼了。
后來發現，其實直接在返回的時候添加
with torch.no_grad():
td_error = reward + GAMMA * v_ - v即可.
補充：在pytorch中取一個tensor的均值，然后該張量中的所有值與其對比！
Pytorch中的Tensor的shape是(B, C, W, H)，
C, H, W = tensor.shape[1], tensor.shape[2], tensor.shape[3]
for c in range(C):
mean = torch.mean(x[0][c])
for h in range(H):
for w in range(W):
if x[0][c][h][w] >= mean:
x[0][c][h][w] = mean感謝各位的閱讀！關于“Pytorch如何獲取無梯度Tensor中的值”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
