PyLayerContext¶

save_for_backward(*tensors)¶

用于暂存 backward 需要的 Tensor，在 backward 中调用 saved_tensor 获取这些 Tensor 。

参数

• tensors (list of Tensor) - 需要被暂存的 Tensor

返回

None

代码示例

COPY-FROM: paddle.autograd.PyLayerContext.save_for_backward

saved_tensor()¶

获取被 save_for_backward 暂存的 Tensor 。

返回

如果调用 save_for_backward 暂存了一些 Tensor，则返回这些 Tensor，否则，返回 None。

代码示例

COPY-FROM: paddle.autograd.PyLayerContext.saved_tensor

mark_not_inplace(self, *tensors)¶

标记一些输入是不需要 inplace 的。 如果 forward 的输入输出是同一个 Tensor ，并且这个 Tensor 被标记为 not_inplace 的。Paddle 会替用户创建一个新的 Tensor 作为输出。 这样可以防止输入的 Tensor 的 auto grad 信息被错误的篡改。

参数

• tensors (list of Tensor) - 需要标记 not inplace 的 Tensor

返回

None

代码示例

COPY-FROM: paddle.autograd.PyLayerContext.mark_not_inplace

mark_non_differentiable(self, *tensors)¶

标记一些输出是不需要反向的。 如果 forward 的输入输出是同一个 Tensor ，并且这个 Tensor 被标记为 not_inplace 的。Paddle 会替用户创建一个新的 Tensor 作为输出。 将不需要反向的 Tensor 标记为 non-differentiable，可以提升反向的性能。但是你在 backward 函数的输入参数中，仍要为其留有反向梯度的位置。 只是这个反向梯度是 1 个全为 0 的、shape 和 forward 的输出一样的 Tensor .

参数

• tensors (list of Tensor) - 需要标记不需要反向的 Tensor

返回

None

代码示例

COPY-FROM: paddle.autograd.PyLayerContext.mark_non_differentiable

set_materialize_grads(self, value)¶

设置是否要框架来初始化未初始化的反向梯度。默认是 True。 如果设置为 True，框架会将未初始化的反向梯度数据初始化为 0，然后再调用 backward 函数。 如果设置为 False，框架会将未初始化的反向梯度以 None 向 backward 函数传递。

参数

• value (bool) - 是否要框架来初始化未初始化的反向梯度

返回

None

代码示例

COPY-FROM: paddle.autograd.PyLayerContext.set_materialize_grads