激活函数(ReLU)：nn.ReLU(inplace=True)

nn.ReLU(inplace=True)

参数inplace=True:
inplace为True，将会改变输入的数据 ，否则不会改变原输入，只会产生新的输出
inplace：can optionally do the operation in-place. Default: False
注： 产生的计算结果不会有影响。利用in-place计算可以节省内（显）存，同时还可以省去反复申请和释放内存的时间。但是会对原变量覆盖，只要不带来错误就用。

例子：

 

import torch
import torch.nn as nn

input = torch.randn(5)
print('输入处理前:\n', input, input.size())
print('*'*70)

print("Default. inplace=False:")
output_F = nn.ReLU(inplace=False)(input)
print('输入:\n', input, input.size())
print('输出:\n', output_F, output_F.size())

print('*'*70)

print("inplace=True:")
output_T = nn.ReLU(inplace=True)(input)
print('输入:\n', input, input.size())
print('输出:\n', output_T, output_T.size())

 

运行结果：

输入处理前:
tensor([-2.2577, 0.1088, -0.9960, 0.4097, -0.3411]) torch.Size([5])
**********************************************************************
Default. inplace=False:
输入:
tensor([-2.2577, 0.1088, -0.9960, 0.4097, -0.3411]) torch.Size([5])
输出:
tensor([0.0000, 0.1088, 0.0000, 0.4097, 0.0000]) torch.Size([5])
**********************************************************************
inplace=True:
输入:
tensor([0.0000, 0.1088, 0.0000, 0.4097, 0.0000]) torch.Size([5])
输出:
tensor([0.0000, 0.1088, 0.0000, 0.4097, 0.0000]) torch.Size([5])

 

 

参考：

https://blog.csdn.net/zhanly19/article/details/99232815