torch.nn.utils.parametrize.cached#

torch.nn.utils.parametrize.cached()[源代码]#

当使用 register_parametrization() 注册的参数化时，启用缓存系统的上下文管理器。

当此上下文管理器处于活动状态时，参数化对象的值将在首次需要时计算并缓存。缓存的值将在离开上下文管理器时被丢弃。

当在前向传播中使用参数化参数超过一次时，此功能很有用。例如，当参数化 RNN 的循环核或共享权重时。

激活缓存的最简单方法是在神经网络的前向传播中包装。

import torch.nn.utils.parametrize as P

...
with P.cached():
    output = model(inputs)

在训练和评估中。也可以包装模块中多次使用参数化张量的部分。例如，具有参数化循环核的 RNN 的循环。

with P.cached():
    for x in xs:
        out_rnn = self.rnn_cell(x, out_rnn)

文档