PyTorch------nn.ReLU(inplace = True)详解
2020-03-24 18:34
4159 查看
- nn.ReLU我们常常在使用,但是这个inplace的参数使用的就不多了,有什么含义和作用呢?
- nn.ReLU()函数默认inplace 默认是False
-
- 测试方法如下:
-
inplace = False - 注意输出对象地址
- inplace = False 时,不会修改输入对象的值,而是返回一个新创建的对象,所以打印出对象存储地址不同,类似于C语言的值传递
- inplace = True
- 注意输出对象地址
- inplace = True 时,会修改输入对象的值,所以打印出对象存储地址相同,类似于C语言的址传递,
-
- inplace = True ,会改变输入数据的值,节省反复申请与释放内存的空间与时间,只是将原来的地址传递,效率更好
- 点赞 1
- 收藏
- 分享
- 文章举报
Kallen_man
发布了41 篇原创文章 · 获赞 45 · 访问量 8万+
私信
关注
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- nn.ReLU(inplace=True)的理解
- A trap of parameter ‘size_average’ in pytorch 详解
- 关于pytorch中全连接神经网络搭建两种模式详解
- 对pytorch中的梯度更新方法详解
- ssl.SSLEOFError: EOF occurred in violation of protocol (_ssl.c:748) Pytorch下载VGG时的错误
- pytorch学习-torch.nn.BCELoss（）和torch.nn.BCEWithLogitsLoss（）
- pytorch之ImageFolder使用详解
- Pytorch 多块GPU的使用详解
- Pytorch tutorials 实战教程（1）——训练自己的数据集（代码详解）
- 对Pytorch神经网络初始化kaiming分布详解
- PyTorch笔记4-快速构建神经网络（NN）
- Pytorch里的CrossEntropyLoss详解
- pytorch crelu
- Pytorch 实现sobel算子的卷积操作详解
- 深度学习计算机视觉实战(一) ： 基于pytorch框架的MNIST手写数字识别详解(附源码)
- PyTorch 入门实战（四）——利用Torch.nn构建卷积神经网络
- pandas.DataFrame.drop_duplicates后面inplace=True与inplace=False的区别
- 基于python及pytorch中乘法的使用详解
- cs231n assignment2 FC 解决python setup.py build_ext --inplace
- [置顶] torch.nn.init(nn/init.py)