昨天那个模型初始化报错问题是重用Paddle张量导致的。原来Paddle张量默认只能使用一次。比如判别器训练用过了,下次生成器不可以直接再用。我只能重新用 fluid.dygraph.to_varialbe() 又转了一个。有什么办法可以让多个模型重用这个Paddle张量么?
应该是每一个程序只能用一次,多clone几个程序试试
我用的是动态图模式,用to_variable() 转
动态图只有一个程序吗。。。
动态图类似解释性执行,不用像静态图那样,先定义网络,再用program执行。
我理解动态图模式就一个默认的program,不用用户维护
paddle的动态图模式1比较像pytorch
模型定义成类,数据就是类的参数。运行模型就是调用类的forward()方法,还可单步执行,调试打印每一步执行后模型的各个参数
目测比静态图打字少1/3~~
那训练和预测是不是得创建两个静态图
群里问了下,王小帅助教热心解答,可以用detach()方法
and it works
王小帅助教就是社区的那只叮当猫吗
我也这么猜测,看叮当猫头像大佬的帖子也是自称“小帅”的。。。
群里解答都很及时的,非常感谢助教老师们
辛苦他们了,这次的助教比我上一次参加的活动多很多
感觉这次论文复现营是个“大活儿”,Paddle要跟某torch和某f抢地牌儿~~
是啊,据说在GitHub上提issue如果加上【论文复现】还有绿色通道
感觉这个真得挺难的,需要很多前置知识。
这些论文都是2020年的,就是说这些都是领域最新成果。
复现需要大佬在gan领域,或视频分类领域耕过挺长一段时间
感觉要解锁的技能树好多啊。。。
应该是每一个程序只能用一次,多clone几个程序试试
我用的是动态图模式,用to_variable() 转
动态图只有一个程序吗。。。
动态图类似解释性执行,不用像静态图那样,先定义网络,再用program执行。
我理解动态图模式就一个默认的program,不用用户维护
paddle的动态图模式1比较像pytorch
模型定义成类,数据就是类的参数。运行模型就是调用类的forward()方法,还可单步执行,调试打印每一步执行后模型的各个参数
目测比静态图打字少1/3~~
那训练和预测是不是得创建两个静态图
群里问了下,王小帅助教热心解答,可以用detach()方法
and it works
王小帅助教就是社区的那只叮当猫吗
我也这么猜测,看叮当猫头像大佬的帖子也是自称“小帅”的。。。
群里解答都很及时的,非常感谢助教老师们
辛苦他们了,这次的助教比我上一次参加的活动多很多
感觉这次论文复现营是个“大活儿”,Paddle要跟某torch和某f抢地牌儿~~
是啊,据说在GitHub上提issue如果加上【论文复现】还有绿色通道
感觉这个真得挺难的,需要很多前置知识。
这些论文都是2020年的,就是说这些都是领域最新成果。
复现需要大佬在gan领域,或视频分类领域耕过挺长一段时间
感觉要解锁的技能树好多啊。。。