我正在尝试实现基于 CLIP 的样式转换。完整代码是here
由于某些未知原因，优化器不会改变潜在张量的权重。我可以确认迭代步骤之前和之后的值相等。我还确保 requires_grad 为 True，并尝试了各种损失函数和优化器。
知道为什么它不起作用吗？
【问题讨论】：
标签： python machine-learning pytorch computer-vision generative-adversarial-network
我发现您的代码存在一些问题。
优化器接受参数。参数应该是计算图中的叶节点。在您的情况下，您告诉优化器使用潜在作为参数，但它必须抱怨潜在是某些计算的结果。
所以你分离了latent，现在latent变成了一个叶子节点。但是，当您分离潜在变量时，计算图不再存在，从而创建了一个新的潜在变量。
此外，要优化参数，损失应该是该参数的函数。我无法查看您是否在损失函数计算中使用了潜在的。所以这可能是另一个问题。
【讨论】：
I don't touch it afterwards.. 我不知道您在 for 循环（训练循环）中使用latent 变量的位置。由于它不是计算的一部分，因此不会更新。 And then I compute loss between the style image CLIP and the one computed from latent .. 我在您的培训代码中没有看到它（第 82-104 行）。你在第 71 行创建了一个新的变量 latent，它在哪里使用？
vae_make_onehot 返回叶张量
我想我找到了问题所在。在第 86 行，我从潜在向量计算 one-hot 向量，以便对其进行解码并将其传递给 CLIP，图形会中断。 vae_make_onehot 返回一个叶张量
【讨论】：