torch.__future__

torch.__future__.set_overwrite_module_params_on_conversion(value)

设置在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 nn.Module 。

当启用时，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()

参数:

value（布尔值）- 是否分配新张量。

torch.__future__.get_overwrite_module_params_on_conversion()

返回在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。默认为 False 。

更多信息请参阅 set_overwrite_module_params_on_conversion() 。

返回类型:

布尔型

torch.__future__.set_swap_module_params_on_conversion(value)

设置是否使用 swap_tensors() 代替设置 .data 来就地更改 nn.Module 的现有参数，以及代替 param.copy_(state_dict[key]) 在将状态字典加载到 nn.Module 时。

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. 将模块转换为不同数据类型的标记（例如 nn.Module.float() ）

3. nn.Module.to()

4. nn.Module.to_empty()

5. nn.Module.load_state_dict()

当设置 load_state_dict() 时的语义如下：

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

2. 如有必要， res 将被包裹在 Parameter 中

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

参数:

value (bool) – 是否使用 swap_tensors() 。

torch.__future__.get_swap_module_params_on_conversion()

返回是否使用 swap_tensors() 代替设置.data 以就地更改转换时的现有参数。默认为 False 。

查看 set_swap_module_params_on_conversion() 获取更多信息。

返回类型:

布尔型