已经支持autograd - Pytorch的复杂函数

Question

我正在使用这个自定义函数来重塑自定义损失函数中的张量。

def reshape_fortran(x, shape):
if len(x.shape) > 0:
    x = x.permute(*reversed(range(len(x.shape))))
return x.reshape(*reversed(shape)).permute(*reversed(range(len(shape))))

尽管如此，我还是收到这个错误：

RuntimeError: _unsafe_view does not support automatic differentiation for outputs with complex dtype.

用于reshape_fortran输出。

你知道问题出在哪里吗？在复数的Pytorch autograd中不支持哪个函数？

Answer 1

Complex Autograd在测试版1.8中，但现在是稳定的，应该完全支持像1.9这样的操作。

Answer 2

我能够通过使用这个函数来解决这个问题，但我不知道为什么它不能工作，为什么它现在能工作：

def convert_output84_torch(input):
  shape84 = (8,4)
  T1 = torch.transpose(input,0,2).permute(0,1,2).contiguous()
  T2 = T1.view(shape84[::-1])
  output = torch.transpose(T2,0,1)
  return output

我用view替换了reshape，它工作得很好(目前)。但由于我的代码之前运行良好，我不确定这是否是一个长期的解决方案，因为我不知道主要的源代码。