我正在尝试基于预训练的 Inception_v3 创建一个生成网络。
1）我修复了模型中的所有权重
2) 创建一个大小为 (2, 3, 299, 299) 的变量
3) 创建大小为 (2, 1000) 的目标，我希望我的最终层激活通过优化变量变得尽可能接近。（我没有将batchsize设置为1，因为与VGG16不同，Inception_v3不采用batchsize=1，但这不是重点）。
以下代码应该可以工作，但给了我错误：«RuntimeError：梯度计算所需的变量之一已被就地操作修改»。
# minimalist code with Inception_v3 that throws the error:
import torch
from torch.autograd import Variable
import torch.optim as optim
import torch.nn as nn
import torchvision
torch.set_default_tensor_type('torch.FloatTensor')
Iv3 = torchvision.models.inception_v3(pretrained=True)
for i in Iv3.parameters():
i.requires_grad = False
criterion = nn.CrossEntropyLoss()
x = Variable(torch.randn(2, 3, 299, 299), requires_grad=True)
target = torch.empty(2, dtype=torch.long).random_(1000)
output = Iv3(x)
loss = criterion(output[0], target)
loss.backward()
print(x.grad)
这很奇怪，因为如果我对 VGG16 做同样的事情，一切正常：
# minimalist working code with VGG16:
import torch
from torch.autograd import Variable
import torch.optim as optim
import torch.nn as nn
import torchvision
# torch.cuda.empty_cache()
# vgg16 = torchvision.models.vgg16(pretrained=True).cuda()
# torch.set_default_tensor_type('torch.cuda.FloatTensor')
torch.set_default_tensor_type('torch.FloatTensor')
vgg16 = torchvision.models.vgg16(pretrained=True)
for i in vgg16.parameters():
i.requires_grad = False
criterion = nn.CrossEntropyLoss()
x = Variable(torch.randn(2, 3, 229, 229), requires_grad=True)
target = torch.empty(2, dtype=torch.long).random_(1000)
output = vgg16(x)
loss = criterion(output, target)
loss.backward()
print(x.grad)
请帮忙。