PyTorch报错：需梯度的叶子变量视图被用于原位操作如何解决

你当前运行的是基于PyTorch 0.3开发的老代码，使用的PyTorch版本是1.3以上的更新版本，版本迭代带来的API行为变更、梯度检查逻辑变严格是触发报错的核心原因。

核心RuntimeError修复 #

报错RuntimeError: a view of a leaf Variable that requires grad is being used in an in-place operation.是因为新版本PyTorch对需要计算梯度的叶子张量的in-place操作做了强校验，老版本允许的操作现在会直接报错，修复方式如下：

• 定位到报错文件/content/ncnet/lib/conv4d.py的第52行、126行附近的逻辑：
  • 所有带_后缀的in-place操作（如add_/mul_/resize_等）全部替换为非in-place版本，例如将x.add_(y)修改为x = x + y
  • 如果存在对张量视图的修改操作，先调用.clone()生成新张量再操作，例如将x[..., :2] *= 2修改为x = x.clone(); x[..., :2] *= 2
• 如果当前是模型评估阶段，不需要计算梯度，可以直接在eval_pf_pascal.py开头导入torch后添加以下代码，全局禁用梯度即可绕过检查：

torch.set_grad_enabled(False)

Warning消除方案 #

align_corners行为变更警告 #

找到代码中所有调用torch.nn.functional.grid_sample、affine_grid的位置，显式传入align_corners=True参数，即可和PyTorch 0.3的旧逻辑保持一致，消除警告。

命名张量实验特性警告 #

该警告不影响正常运行，如需消除可以将PyTorch升级到1.10及以上正式版本，命名张量相关API已经稳定，不会再抛出该提示。

兜底兼容方案 #

如果修改代码成本过高，可以直接安装PyTorch 0.3版本及对应的Python 3.5/3.6运行环境，即可完全兼容老代码逻辑。

内容的提问来源于stack exchange，提问作者SRTF