torch.__future__

torch.__future__.set_overwrite_module_params_on_conversion(value)

设置在将 nn.Module 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。

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()

Parameters

值 (布尔值) – 是否分配新张量。

torch.__future__.get_overwrite_module_params_on_conversion()

返回是否在转换 torch.nn.Module 时将新张量分配给参数，而不是就地更改现有参数。默认为 False。

参见 set_overwrite_module_params_on_conversion() 了解更多信息。

Return type

bool

torch.__future__.set_swap_module_params_on_conversion(value)

设置是否使用 swap_tensors() 而不是设置 .data 来就地更改现有参数，当转换 nn.Module 时，以及当将状态字典加载到 nn.Module 中时，而不是使用 param.copy_(state_dict[key])。

注意

此函数优先于 get_overwrite_module_params_on_conversion()

当启用时，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. 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()

5. nn.Module.load_state_dict()

当设置此项时，load_state_dict() 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() 进行转换（即 res = param.module_load(state_dict['key'])）

2. 如果需要，res 将被包装在一个 Parameter 中

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

Parameters

值 (布尔值) – 是否使用 swap_tensors()。

torch.__future__.get_swap_module_params_on_conversion()

返回是否使用 swap_tensors() 而不是设置 .data 来就地更改现有参数，当转换 nn.Module 时。默认为 False。

参见 set_swap_module_params_on_conversion() 了解更多信息。

Return type

bool