torch.__future__

創建於：2024年2月5日 | 最後更新於：2025年6月12日

torch.__future__.set_overwrite_module_params_on_conversion(value)

設定在轉換 nn.Module 時，是分配新的張量給引數，還是就地更改現有引數。

啟用後，以下方法將為模組分配新引數：

1. module.{device}() (例如 nn.Module.cuda()) 用於在裝置之間移動模組

2. module.{dtype}() (例如 nn.Module.float()) 用於將模組轉換為不同的資料型別

3. nn.Module.to()

4. nn.Module.to_empty()

引數

value (bool) – 是否分配新張量。

torch.__future__.get_overwrite_module_params_on_conversion()

返回在轉換 torch.nn.Module 時，是分配新的張量給引數，還是就地更改現有引數。預設為 False。

有關更多資訊，請參閱 set_overwrite_module_params_on_conversion()。

返回型別

布林值

torch.__future__.set_swap_module_params_on_conversion(value)

設定在轉換 nn.Module 時，是使用 swap_tensors() 就地更改現有引數（而不是設定 .data），以及在將 state dict 載入到 nn.Module 時（而不是使用 param.copy_(state_dict[key])）的行為。

注意

此函式優先於 get_overwrite_module_params_on_conversion()。

啟用後，以下方法將就地交換現有引數：

1. module.{device}() (例如 nn.Module.cuda()) 用於在裝置之間移動模組

2. module.{dtype}() (例如 nn.Module.float()) 用於將模組轉換為不同的資料型別

3. nn.Module.to()

4. nn.Module.to_empty()

5. nn.Module.load_state_dict()

設定此選項時 load_state_dict() 的語義如下：

1. 對於每個引數/緩衝區，其對應的 state_dict['key'] 將透過 module_load() 進行轉換（即 res = param.module_load(state_dict['key'])）。

2. 如果需要，res 將被包裝在 Parameter 中。

3. 模組中的引數/緩衝區將透過 swap_tensors() 與 res 進行交換。

引數

value (bool) – 是否使用 swap_tensors()。

torch.__future__.get_swap_module_params_on_conversion()

返回在轉換 nn.Module 時，是使用 swap_tensors() 就地更改現有引數（而不是設定 .data）。預設為 False。

有關更多資訊，請參閱 set_swap_module_params_on_conversion()。

返回型別

布林值