को बदलने के लिए कैसे का उत्पादन तंत्रिका नेटवर्क और अभी भी ट्रेन?

मैं एक तंत्रिका नेटवर्क है जो outputs output. मैं बदलना चाहते हैं output इससे पहले कि नुकसान और backpropogation होता है ।

यहाँ है, मेरी सामान्य कोड:

with torch.set_grad_enabled(training):
                  outputs = net(x_batch[:, 0], x_batch[:, 1]) # the prediction of the NN
                  # My issue is here:
                  outputs = transform_torch(outputs)
                  loss = my_loss(outputs, y_batch)

                  if training:
                      scheduler.step()
                      loss.backward()
                      optimizer.step()

मैं एक परिवर्तन समारोह, जो मैं मेरी के माध्यम से उत्पादन:

def transform_torch(predictions):
    torch_dimensions = predictions.size()
    torch_grad = predictions.grad_fn
    cuda0 = torch.device('cuda:0')
    new_tensor = torch.ones(torch_dimensions, dtype=torch.float64, device=cuda0, requires_grad=True)
    for i in range(int(len(predictions))):
      a = predictions[i]
      # with torch.no_grad(): # Note: no training happens if this line is kept in
      new_tensor[i] = torch.flip(torch.cumsum(torch.flip(a, dims = [0]), dim = 0), dims = [0])
    return new_tensor

मेरी समस्या है कि मैं एक त्रुटि मिलती है, पर अगले करने के लिए अंतिम पंक्ति:

RuntimeError: a view of a leaf Variable that requires grad is being used in an in-place operation.

किसी भी सुझाव है? मैं पहले से ही उपयोग करने की कोशिश की "मशाल के साथ.no_grad():" (टिप्पणी), लेकिन इस परिणाम बहुत ही गरीब प्रशिक्षण और मुझे विश्वास है कि ढ़ाल नहीं backpropogate ठीक से परिवर्तन के बाद समारोह ।

धन्यवाद!