torch.__future__

torch.__future__.set_overwrite_module_params_on_conversion(value)

设置在将 nn.Module 转换时，是否将新张量分配给参数而不是就地更改现有参数。

启用后，以下方法将为模块分配新参数：

1. module.{device}()（例如 nn.Module.cuda()）用于在设备之间移动模块

2. module.{dtype}()（例如 nn.Module.float()）用于将模块转换为不同的数据类型

3. nn.Module.to()

4. nn.Module.to_empty()

Parameters

值 (布尔) – 是否分配新的张量。

torch.__future__.get_overwrite_module_params_on_conversion()

返回在将一个 torch.nn.Module 转换时，是否将新张量分配给参数而不是就地修改现有参数。默认值为 False。

请参阅 set_overwrite_module_params_on_conversion() 以获取更多信息。

Return type

布尔

torch.__future__.set_swap_module_params_on_conversion(value)

设置是否使用 swap_tensors() 而不是设置 .data 来 在转换 nn.Module 时就地更改现有参数，以及在将状态字典加载到 nn.Module 时而不是使用 param.copy_(state_dict[key])。

注意

此函数优先于 get_overwrite_module_params_on_conversion()

启用后，以下方法将就地交换现有参数：

1. module.{device}()（例如 nn.Module.cuda()）用于在设备之间移动模块

2. module.{dtype}()（例如 nn.Module.float()）用于将模块转换为不同的数据类型

3. nn.Module.to()

4. nn.Module.to_empty()

5. nn.Module.load_state_dict()

当此设置为load_state_dict()时，其语义如下：

1. 对于每个参数/缓冲区，其对应的state_dict['key']通过 module_load()（即res = param.module_load(state_dict['key'])）进行转换

2. 如果需要，res 将会被包装在一个 Parameter 中

3. 模块中的参数/缓冲区将通过 swap_tensors() 与 res 进行交换

Parameters

值 (布尔值) – 是否使用 swap_tensors()。

torch.__future__.get_swap_module_params_on_conversion()

返回是否使用 swap_tensors() 而不是设置 .data 来 在转换 nn.Module 时就地更改现有参数。默认为 False。

请参阅 set_swap_module_params_on_conversion() 以获取更多信息。

Return type

布尔