Tensor.detach() 在 PyTorch 中做什么？
Tensor.detach()用于从当前计算图中分离张量。它返回一个不需要梯度的新张量。
当我们不需要为梯度计算跟踪张量时，我们将张量从当前计算图中分离。
当我们需要将张量从GPU移动到CPU时，我们还需要分离张量。
语法
Tensor.detach()
它返回一个没有requires_grad=True的新张量。将不再计算关于该张量的梯度。
脚步
导入火炬库。确保您已经安装了它。
import torch
使用requires_grad=True创建PyTorch张量并打印张量。
x = torch.tensor(2.0, requires_grad = True)
print("x:", x)计算并可选择将此值分配给新变量。Tensor.detach()
x_detach = x.detach()
在之后打印张量。detach()操作被执行。
print("带有分离的张量：", x_detach)示例1
# import torch library
import torch
# create a tensor with requires_gradient=true
x = torch.tensor(2.0, requires_grad = True)
# print the tensor
print("Tensor:", x)
#tensor.detachoperation
x_detach = x.detach()
print("带有分离的张量：", x_detach)输出结果Tensor: tensor(2., requires_grad=True) 带有分离的张量： tensor(2.)
请注意，在上面的输出中，分离后的张量没有requires_grad=True
示例2
# import torch library
import torch
# define a tensor with requires_grad=true
x = torch.rand(3, requires_grad = True)
print("x:", x)
# apply above tensor to use detach()
y = 3 + x
z = 3 * x.detach()
print("y:", y)
print("z:", z)输出结果x: tensor([0.5656, 0.8402, 0.6661], requires_grad=True) y: tensor([3.5656, 3.8402, 3.6661], grad_fn=<AddBackward0>) z: tensor([1.6968, 2.5207, 1.9984])