位置: IT常识 - 正文

loss.item()用法和注意事项详解(loss for)

编辑:rootadmin
loss.item()用法和注意事项详解

推荐整理分享loss.item()用法和注意事项详解(loss for),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:loss at,loss at,loss method,loss from,loss at,loss的用法,loss into for,loss=mse,内容如对您有帮助,希望把文章链接给更多的朋友!

.item()方法是,取一个元素张量里面的具体元素值并返回该值,可以将一个零维张量转换成int型或者float型,在计算loss,accuracy时常用到。

作用:

1.item()取出张量具体位置的元素元素值 2.并且返回的是该位置元素值的高精度值 3.保持原元素类型不变;必须指定位置

4.节省内存(不会计入计算图)

import torchloss = torch.randn(2, 2)print(loss)print(loss[1,1])print(loss[1,1].item())

输出结果

tensor([[-2.0274, -1.5974],         [-1.4775,  1.9320]]) tensor(1.9320) 1.9319512844085693

其它:loss = criterion(out, label) loss_sum += loss # <--- 这里

运行着就发现显存炸了,观察发现随着每个batch显存消耗在不断增大…因为输出的loss的数据类型是Variable。PyTorch的动态图机制就是通过Variable来构建图。主要是使用Variable计算的时候,会记录下新产生的Variable的运算符号,在反向传播求导的时候进行使用。如果这里直接将loss加起来,系统会认为这里也是计算图的一部分,也就是说网络会一直延伸变大,那么消耗的显存也就越来越大。

loss.item()用法和注意事项详解(loss for)

正确的loss一般是这样写 

loss_sum += loss.data[0]

其它注意事项:

使用loss += loss.detach()来获取不需要梯度回传的部分。

使用loss.item()直接获得对应的python数据类型。

补充阅读,pytorch 计算图

Pytorch的计算图由节点和边组成,节点表示张量或者Function,边表示张量和Function之间的依赖关系。

Pytorch中的计算图是动态图。这里的动态主要有两重含义。

第一层含义是:计算图的正向传播是立即执行的。无需等待完整的计算图创建完毕,每条语句都会在计算图中动态添加节点和边,并立即执行正向传播得到计算结果。

第二层含义是:计算图在反向传播后立即销毁。下次调用需要重新构建计算图。如果在程序中使用了backward方法执行了反向传播,或者利用torch.autograd.grad方法计算了梯度,那么创建的计算图会被立即销毁,释放存储空间,下次调用需要重新创建。

1,计算图的正向传播是立即执行的。

import torchw = torch.tensor([[3.0,1.0]],requires_grad=True)b = torch.tensor([[3.0]],requires_grad=True)X = torch.randn(10,2)Y = torch.randn(10,1)Y_hat = X@w.t() + b # Y_hat定义后其正向传播被立即执行,与其后面的loss创建语句无关loss = torch.mean(torch.pow(Y_hat-Y,2))print(loss.data)print(Y_hat.data)tensor(17.8969)tensor([[3.2613], [4.7322], [4.5037], [7.5899], [7.0973], [1.3287], [6.1473], [1.3492], [1.3911], [1.2150]])

2,计算图在反向传播后立即销毁。

import torchw = torch.tensor([[3.0,1.0]],requires_grad=True)b = torch.tensor([[3.0]],requires_grad=True)X = torch.randn(10,2)Y = torch.randn(10,1)Y_hat = X@w.t() + b # Y_hat定义后其正向传播被立即执行,与其后面的loss创建语句无关loss = torch.mean(torch.pow(Y_hat-Y,2))#计算图在反向传播后立即销毁,如果需要保留计算图, 需要设置retain_graph = Trueloss.backward() #loss.backward(retain_graph = True) #loss.backward() #如果再次执行反向传播将报错

参考链接:pytorch学习:loss为什么要加item()_dlvector的博客-CSDN博客_loss.item()

https://blog.csdn.net/cs111211/article/details/126221102

本文链接地址:https://www.jiuchutong.com/zhishi/298517.html 转载请保留说明!

上一篇:神经网络模型之BP算法及实例分析(神经网络模型是干嘛的)

下一篇:UNIAPP手机号一键登录(uniapp获取手机通讯录)

  • 税务机关的义务是依法征管
  • 一般纳税人季报是哪几个月报税
  • 记账凭证红字冲销
  • 个人收到利息要交增值税吗为什么
  • 个人独资企业有股权吗
  • 机票行程单能报销几次
  • 增值税专票发票代码在哪里看
  • 审计核减理由
  • 销项负数发票如何勾选
  • 客户预付货款会计分录
  • 银行利息回单怎么打印
  • 应付股东款可以结转实收资本吗
  • 工程维修费用怎么入账
  • 公司支付给股东付银行利息要交税吗怎么交
  • 以前年度亏损可以在季报弥补吗
  • 公司一般户走账要交税吗
  • 发票抬头是繁体字怎么办
  • 递延资产摊销属于什么科目
  • 员工股权激励会计处理分录
  • 本月负数发票大于正数发票 留抵的增值税怎么做账
  • 夫妻房产分割哪家好
  • 去年多确认收入今年怎么调整
  • win11 老机器
  • 分公司特征表述正确的是
  • php 混淆
  • 银行承兑汇票质押贷款骗局
  • php数组函数输出《咏雪》里有多少"片"字
  • 购买专利权的会议纪要
  • 融资租赁的两种基本形式
  • 无形资产相关税费
  • 物业公司管理制度及工作要求
  • 工业企业出租房屋的租金收入应计入
  • php文件缓存方法有哪些
  • vue的样式穿透
  • 年度成本费用总额公式
  • 货物退回会计分录怎么做
  • 如何理解虚拟存储的虚拟
  • vue-cli2.0
  • 注销营业执照的电话号码是多少
  • 异地项目需要预缴增值税吗
  • 费用化与资本化的区别与影响
  • 劳保统筹费计入什么科目
  • phpcms作者名不显示怎么解决
  • mysql执行时间太长
  • 或有对价的确认条件
  • 结转各项成本的会计分录
  • 可供出售金融资产新准则叫什么
  • 医保指的是啥
  • 出口不报关账务处理
  • 上年度没有计提企业所得税,今年怎么做分录
  • 负数发票开错了是否可以作废?
  • 税率与征收率是怎么回事
  • 三栏式明细账适用于总分类账
  • 库存股算什么科目
  • 企业项目贷款所需资料
  • 银行业应收票据分析
  • sqlserver附加数据库时出错,请单击消息中的超链接
  • Ubuntu下MySQL及工具安装配置详解
  • 强制删除快捷键是什么
  • sqlserver全文检索
  • 硬盘安装在机箱内,属于主机的组成部分
  • linux系统中的输入输出分为三类
  • win10预览版最新
  • mac的dns怎么设置最快
  • win10预览体验三个选项
  • 索尼笔记本安装软件顺序
  • js的三种循环
  • cocos creator构建发布
  • python中类怎么用
  • python可变参数和不可变参数
  • bitmap压缩到指定尺寸
  • three.js 教程
  • jquery 图片
  • jquery遍历表单元素
  • jquery插件免费下载
  • 仿百度首页html代码静态
  • js super方法
  • 个体非正常户怎么解除
  • 一人可以在多家企业上班吗
  • 医生兼职取酬违反什么纪律
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设