如何屏蔽 PyTorch 權重參數中的權重？

Question

我試圖在 PyTorch 中屏蔽（強制為零）特定的權重值。 我試圖屏蔽的權def __init__是這樣定義的

class LSTM_MASK(nn.Module):
        def __init__(self, options, inp_dim):
            super(LSTM_MASK, self).__init__()
            ....
            self.wfx = nn.Linear(input_dim, curernt_output, bias=add_bias)

掩碼也在def __init__定義為

self.mask_use = torch.Tensor(curernt_output, input_dim)

掩碼是一個常量，掩碼參數的.requires_grad_()為False 。 現在在類的def forward部分中，我嘗試在線性運算完成之前對權重參數和掩碼進行元素乘法

def forward(self, x):
    ....
    self.wfx.weight = self.wfx.weight * self.mask_use
    wfx_out = self.wfx(x)

我收到一條錯誤消息：

self.wfx.weight = self.wfx.weight * self.mask_use
  File "/home/xyz/anaconda2/lib/python2.7/site-packages/torch/nn/modules/module.py", line 537, in __setattr__
    .format(torch.typename(value), name))
TypeError: cannot assign 'torch.cuda.FloatTensor' as parameter 'weight' (torch.nn.Parameter or None expected)

但是當我用.type()檢查這兩個參數時，它們都作為torch.cuda.FloatTensor 。 我不確定為什么這里有錯誤。

Answer 1

按元素操作總是返回一個FloatTensor 。 不可能將正常張量指定為層的weight 。

有兩種可能的選擇來處理它。 您可以將其分配給您的權重的data屬性，在那里可以分配正常的張量。

或者，您將結果轉換為nn.Parameter本身，然后您可以將其分配給wfx.weight 。

這是一個顯示兩種方式的示例：

import torch
import torch.nn as nn

wfx = nn.Linear(10, 10)
mask_use = torch.rand(10, 10)
#wfx.weight = wfx.weight * mask_use #your example - this raises an error

# Option 1: write directly to data
wfx.weight.data = wfx.weight * mask_use

# Option 2: convert result to nn.Parameter and write to weight
wfx.weight = nn.Parameter(wfx.weight * mask_use)

免責聲明：在權重上使用= （賦值）時，您將替換參數的權重張量。 這可能會對圖形產生不良影響。 優化步驟。

Answer 2

將 Tensorfloat 變量更改為參數變量的一種有效方法：

self.wfx.weight = torch.nn.parameter.Parameter((self.wfx.weight.data * self.mask_use))

我希望這會很有用。