torch.__future__

torch.__future__。set_overwrite_module_params_on_conversion（value）

设置是否为参数分配新张量，而不是更改 现有参数在转换 .nn.Module

启用后，以下方法将为模块分配新参数：

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

2. module.{dtype}()（例如 ） 用于将模块转换为不同的 dtypenn.Module.float()

3. nn.Module.to()

4. nn.Module.to_empty()

参数

value （bool） – 是否分配新的张量。

torch.__future__。get_overwrite_module_params_on_conversion（）

返回是否为参数分配新张量，而不是更改 现有参数在转换torch.nn.Module.默认为 。False

看set_overwrite_module_params_on_conversion()了解更多信息。

返回类型

布尔

torch.__future__。set_swap_module_params_on_conversion（value）

设置是否使用swap_tensors()而不是设置为 在转换 AND 时就地更改现有参数 of 将 state dict 加载到 ..datann.Moduleparam.copy_(state_dict[key])nn.Module

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 ） 用于在设备之间移动模块nn.Module.cuda()

2. module.{dtype}()（例如 ） 用于将模块转换为不同的 dtypenn.Module.float()

3. nn.Module.to()

4. nn.Module.to_empty()

5. nn.Module.load_state_dict()

设置此项时的语义如下：load_state_dict()

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

2. 如有必要，将包装在resParameter

3. 模块中的参数/缓冲区将通过swap_tensors()跟res

参数

value （bool） – 是否使用swap_tensors()或者没有。

torch.__future__。get_swap_module_params_on_conversion（）

返回是否使用swap_tensors()而不是将 .data 设置为 在转换 .默认为 。nn.ModuleFalse

看set_swap_module_params_on_conversion()了解更多信息。

返回类型

布尔