어떻게 변환하는 출력의 신경 네트워크는 여전히 훈련하는가?

나는 신경 네트워크는 출력 output. 고 싶 변환 output 하기 전에 손실 및 backpropogation 일어난다.

여기에는 나의 일반적인 코드:

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()

나는 변환 기능을 나를 통해서 출력:

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

내 문제는 나에 오류가 발생한 다음 마지막 줄:

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

어떤 방법이 있나요? 나가도를 사용하여"성화와 함께.no_grad():"(주석)하지만,이 결과에서 아주 가난한 교육 및 내가 믿는 것을 기울이지 않 backpropogate 제대로 후 변환 기능입니다.

감사합니다!