torch.autograd.function.FunctionCtx.mark_dirty

FunctionCtx.mark_dirty(*args)

将给定的张量标记为在原地操作中被修改。

这应该最多调用一次，仅在 forward() 方法内部调用，并且所有参数都应该是输入。

在调用 forward() 时，每个被就地修改的张量都应该传递给此函数，以确保我们检查的正确性。 无论是在修改之前还是之后调用此函数，都没有关系。

Examples::

>>> class Inplace(Function):
>>>     @staticmethod
>>>     def forward(ctx, x):
>>>         x_npy = x.numpy() # x_npy 与 x 共享存储
>>>         x_npy += 1
>>>         ctx.mark_dirty(x)
>>>         return x
>>>
>>>     @staticmethod
>>>     @once_differentiable
>>>     def backward(ctx, grad_output):
>>>         return grad_output
>>>
>>> a = torch.tensor(1., requires_grad=True, dtype=torch.double).clone()
>>> b = a * a
>>> Inplace.apply(a)  # 这会导致错误的梯度！
>>>                   # 但引擎不会知道，除非我们 mark_dirty
>>> b.backward() # RuntimeError: 梯度计算所需的变量之一已被就地操作修改
>>>              # 计算已被就地操作修改