PyTorch0.4中，.data 仍保留，但建議使用 .detach(),區別在於 .data 返回和 x 的相同資料 tensor,但不會加入到x的計算曆史裡，且require s_grad = False,這樣有些時候是不安全的,因為 x.data 不能被 autograd 追蹤求微分 。

.detach() 返回相同資料的 tensor,且 requires_grad=False,但能通過 in-place 操作報告給 autograd 在進行反向傳播的時候.

舉例：

tensor.data

>>> a = torch.tensor([1,2,3.],requires_grad =True)
>>> out = a.sigmoid()
>>> c = out.data
>>> c.zero_()
tensor([ 0.,0.,0.])

>>> out     # out的數值被c.zero_()修改
tensor([ 0.,0.])

>>> out.sum().backward() # 反向傳播
>>> a.grad    # 這個結果很嚴重的錯誤，因為out已經改變了
tensor([ 0.,0.])

tensor.detach()

>>> a = torch.tensor([1,requires_grad =True)
>>> out = a.sigmoid()
>>> c = out.detach()
>>> c.zero_()
tensor([ 0.,0.])

>>> out     # out的值被c.zero_()修改 !!
tensor([ 0.,0.])

>>> out.sum().backward() # 需要原來out得值，但是已經被c.zero_()覆蓋了，結果報錯
RuntimeError: one of the variables needed for gradient
computation has been modified by an

以上這篇PyTorch中 tensor.detach() 和 tensor.data 的區別詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。