我的代码中有一个错误，无论我尝试哪种方式都无法修复。
错误很简单，我返回一个值：
torch.exp(-LL_total/T_total)
然后在管道中得到错误：
RuntimeError: Can't call numpy() on Variable that requires grad. Use var.detach().numpy() instead.
cpu().detach().numpy() 等解决方案给出了相同的错误。
我该如何解决？谢谢。
【问题讨论】：
var.detach().numpy()，如前所述，是您想要的（其中var 是您要转换为numpy 数组的张量的名称）。如果由于某种原因这不起作用，您需要提供有关您正在运行什么代码来获取此错误的更多详细信息。 torch.exp(... 行不相关。 cpu 这里是什么？那是您要转换的张量的名称吗？如果是这样，请执行cpu.detach().numpy()。还是返回张量的函数？
我刚遇到这个问题 在运行时期时，我将损失记录到一个列表中
final_losses.append(loss)
一旦我跑遍了所有的时期，我想绘制输出图表
plt.plot(range(epochs), final_loss)
plt.ylabel('RMSE Loss')
plt.xlabel('Epoch');
我在我的 Mac 上运行它，没有问题，但是，我需要在 Windows PC 上运行它，它产生了上面提到的错误。所以，我检查了每个变量的类型。
Type(range(epochs)), type(final_losses)
范围，列表
看起来应该没问题。
花了一点时间才意识到 final_losses 列表是张量列表。然后我将它们转换为带有新列表变量 fi_los 的实际列表。
fi_los = [fl.item() for fl in final_losses ]
plt.plot(range(epochs), fi_los)
plt.ylabel('RMSE Loss')
plt.xlabel('Epoch');
成功了！
【讨论】：
我有同样的错误信息，但它是用于在 matplotlib 上绘制散点图。
我可以从这个错误消息中得到两个步骤：
使用 from fastai.basics import * 导入 fastai.basics 库
如果你只使用torch库，记得把requires_grad去掉：
with torch.no_grad():
(your code)
【讨论】：
with torch.no_grad(): 部分，然后让魔法消失
from torch.autograd import Variable
type(y) # <class 'torch.Tensor'>
y = Variable(y, requires_grad=True)
y = y.detach().numpy()
type(y) #<class 'numpy.ndarray'>
【讨论】：
import torch
tensor1 = torch.tensor([1.0,2.0],requires_grad=True)
print(tensor1)
print(type(tensor1))
tensor1 = tensor1.numpy()
print(tensor1)
print(type(tensor1))
这会导致 tensor1 = tensor1.numpy() 行出现完全相同的错误：
tensor([1., 2.], requires_grad=True)
<class 'torch.Tensor'>
Traceback (most recent call last):
File "/home/badScript.py", line 8, in <module>
tensor1 = tensor1.numpy()
RuntimeError: Can't call numpy() on Variable that requires grad. Use var.detach().numpy() instead.
Process finished with exit code 1
这是在您的错误消息中向您建议的，只需将 var 替换为您的变量名
import torch
tensor1 = torch.tensor([1.0,2.0],requires_grad=True)
print(tensor1)
print(type(tensor1))
tensor1 = tensor1.detach().numpy()
print(tensor1)
print(type(tensor1))
按预期返回
tensor([1., 2.], requires_grad=True)
<class 'torch.Tensor'>
[1. 2.]
<class 'numpy.ndarray'>
Process finished with exit code 0
除了实际值定义之外，您还需要将您的张量转换为不需要梯度的另一个张量。这个其他张量可以转换为 numpy 数组。参照。 this discuss.pytorch post。 （我认为，更准确地说，为了从它的 pytorch Variable 包装器中取出实际的张量，需要这样做，参见 this other discuss.pytorch post）。
【讨论】：