torch.__future__

torch.__future__.set_overwrite_module_params_on_conversion(value)[源代码]

设置在将 nn.Module 转换时，使用新张量替换现有参数而不是直接修改现有参数。

启用后，以下方法将为模块分配新的参数：

1. module.{device}()（例如 nn.Module.cuda()）用于将模块在不同的设备之间进行移动

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

3. nn.Module.to()

4. nn.Module.to_empty()

参数

value (bool) – 是否分配新张量的标志。

torch.__future__.get_overwrite_module_params_on_conversion()[源代码]

在将 torch.nn.Module 转换时，返回是否为参数分配新的张量而不是就地更改现有参数。默认值为 False。

更多详情请参见set_overwrite_module_params_on_conversion()。

返回类型

bool

torch.__future__.set_swap_module_params_on_conversion(value)[源代码]

设置是否在将nn.Module转换为其他形式时，使用swap_tensors()来替换原本通过设置.data属性原地更改现有参数的方法；以及在加载状态字典到nn.Module时，使用param.copy_(state_dict[key])。

注意

此函数的优先级高于 get_overwrite_module_params_on_conversion()

启用后，以下方法将就地替换现有的参数：

1. module.{device}()（例如 nn.Module.cuda()）用于将模块在不同的设备之间进行移动

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

3. nn.Module.to()

4. nn.Module.to_empty()

5. nn.Module.load_state_dict()

当启用此选项时，load_state_dict() 的行为如下：

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

2. 如果必要，res 将会被包裹在一个 Parameter 中。

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

参数

value (bool) – 是否使用 swap_tensors()。

torch.__future__.get_swap_module_params_on_conversion()[源代码]

返回是否在将 nn.Module 转换时使用swap_tensors() 替代设置 .data 来就地更改现有参数。默认值为 False。

更多详情请参见set_swap_module_params_on_conversion()。

返回类型

bool