PyTorch最佳实践，怎样才能写出一手风格优美的代码(4)

发布时间：2019-05-06 17:40 所属栏目：19 来源：机器之心编译

导读：使用命令行参数设置代码执行时使用的参数(batch 的大� ⒀奥实�)非常方便。一个简单的实验参数跟踪方法，即直接把从「parse_args」接收到的字典(dict 数据)打印出来： #savesargumentstoconfig.txtfile opt=parser

使用命令行参数设置代码执行时使用的参数(batch 的大小、学习率等)非常方便。一个简单的实验参数跟踪方法，即直接把从「parse_args」接收到的字典(dict 数据)打印出来：

# saves arguments to config.txt file 
opt = parser.parse_args()with open("config.txt", "w") as f: 
    f.write(opt.__str__())

5. 如果可能的话，请使用「Use .detach()」从计算图中释放张量

为了实现自动微分，PyTorch 会跟踪所有涉及张量的操作。请使用「.detach()」来防止记录不必要的操作。

6. 使用「.item()」打印出标量张量

你可以直接打印变量。然而，我们建议你使用「variable.detach()」或「variable.item()」。在早期版本的 PyTorch(< 0.4)中，你必须使用「.data」访问变量中的张量值。

7. 使用「call」方法代替「nn.Module」中的「forward」方法

这两种方式并不完全相同，正如下面的 GitHub 问题单所指出的：

（编辑：ASP站长网）