调用 .backward() 时出现以下错误：
遇到 RuntimeError：梯度计算所需的变量之一已被就地操作修改
这是代码：
for i, j, k in zip(X, Y, Z):
A[:, i, j] = A[:, i, j] + k
我试过 .clone()、torch.add() 等等。
请帮忙！
问问题
312 次
1 回答
1
在评论之后，我对你想要完成的事情有点困惑。您提供的代码使用您在评论中提供的尺寸给了我一个错误
Traceback (most recent call last):
A[:, i, j] = A[:, i, j] + k
RuntimeError: The size of tensor a (32) must match the size of tensor b (200) at non-singleton dimension 0
但这是我认为你想要做的，如果这是错误的，请在评论中纠正我......
给定张量X、和，、Y和Z的每个条目对应于坐标 (x,y) 和值 z。您想要的是在坐标 (x,y) 处添加 z。在大多数情况下，批次维度保持独立，尽管您发布的代码中的情况尚不清楚。现在这就是我假设你想要做的。XYZA
例如，假设A包含全零，形状为 3x4x5 X，Y形状为 3x3，Z形状为 3x3x1。对于此示例，我们假设A包含所有零开始，并且X, Y, 和Z具有以下值
X = tensor([[1, 2, 3],
[1, 2, 3],
[2, 2, 2]])
Y = tensor([[1, 2, 3],
[1, 2, 3],
[1, 1, 1]])
Z = tensor([[[0.1], [0.2], [0.3]],
[[0.4], [0.5], [0.6]],
[[0.7], [0.8], [0.9]]])
然后我们期望A在操作后有以下值
A = tensor([[[0, 0, 0, 0, 0],
[0, 0.1, 0, 0, 0],
[0, 0, 0.2, 0, 0],
[0, 0, 0, 0.3, 0]],
[[0, 0, 0, 0, 0],
[0, 0.4, 0, 0, 0],
[0, 0, 0.5, 0, 0],
[0, 0, 0, 0.6, 0]],
[[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 2.4, 0, 0, 0],
[0, 0, 0, 0, 0]]])
为了实现这一点，我们可以使用index_add允许我们添加到索引列表的功能。由于这只支持一维操作，我们首先需要将X,转换Y为扁平张量的线性索引A。之后我们可以取消展平为原始形状。
layer_size = A.shape[1] * A.shape[2]
index_offset = torch.arange(0, A.shape[0] * layer_size, layer_size).unsqueeze(1)
indices = (X * A.shape[2] + Y) + index_offset
A = A.view(-1).index_add(0, indices.view(-1), Z.view(-1)).view(A.shape)
于 2019-08-29T21:20:22.627 回答