8

我正在研究一个注意力模型，在运行最终模型之前，我正在研究流经代码的张量形状。我有一个需要重塑张量的操作。张量的形状torch.Size([[30, 8, 9, 64]]) 是30，是注意力头batch_size的8数量（这与我的问题无关）9是句子中的单词数，并且64是单词的一些中间嵌入表示。torch.size([30, 9, 512])在进一步处理之前，我必须将张量重塑为 的大小。所以我在网上寻找一些参考资料，他们做了以下事情，x.transpose(1, 2).contiguous().view(30, -1, 512) 而我认为这应该可行x.transpose(1, 2).reshape(30, -1, 512)。

在第一种情况下grad_fn是<ViewBackward>，而在我的情况下是<UnsafeViewBackward>。这两个不是同一个操作吗？这会导致训练错误吗？

4

1 回答 1

1

这两个不是同一个操作吗？

不。虽然它们有效地产生相同的张量，但操作并不相同，并且不能保证它们具有相同的storage。

张量形状.cpp：

// _unsafe_view() differs from view() in that the returned tensor isn't treated
// as a view for the purposes of automatic differentiation. (It's not listed in
// VIEW_FUNCTIONS in gen_autograd.py).  It's only safe to use if the `self` tensor
// is temporary. For example, the viewed tensor here (a + b) is discarded immediately
// after viewing:
//
//  res = at::_unsafe_view(a + b, size);
//
// This is a hack because in-place operations on tensors treated like views
// can be much more expensive than the same operations on non-view tensors.

请注意，如果应用于复杂输入，这可能会产生错误，但这通常在 PyTorch 中尚未完全支持，并且不是此函数独有的。

于 2021-05-03T14:53:16.540 回答