result = torch.relu_(input)

根据你提供的代码 `result = torch.relu_(input)`，问题出现在 `torch.relu_()` 方法上。

`torch.relu_()` 是一个就地操作，它会修改输入张量 `input` 并返回修改后的结果。然而，根据报错信息，`input` 是一个视图，并且它是一个由返回多个视图的函数生成的视图。这样的函数不允许就地修改输出视图。

为了解决这个问题，你可以使用非就地操作来替换就地修改操作。你可以使用 `torch.relu()` 方法来创建一个新的张量，并对其进行修改。例如：

result = torch.relu(input.clone())

这样，就会创建 `input` 的副本，并在副本上进行操作，而不是直接修改原始视图。这样可以避免出现这个错误。

相关问题

File "C:\Users\a2597263692\AppData\Roaming\Python\Python39\site-packages\torch\nn\functional.py", line 1457, in relu result = torch.relu(input) TypeError: relu(): argument 'input' (position 1) must be Tensor, not int

这个错误通常是因为您尝试将一个整数传递给 `torch.relu()` 函数，但该函数的参数应该是一个张量（Tensor）而不是整数。

`torch.relu()` 函数是用来计算张量中每个元素的 ReLU（Rectified Linear Unit）激活函数的值。它需要一个张量作为输入，并返回一个具有相同形状的张量，其中每个元素都经过 ReLU 函数处理。

要解决这个问题，请确保您将一个张量传递给 `torch.relu()` 函数。您可以使用 `torch.tensor()` 或 `torch.from_numpy()` 将整数转换为张量。

例如，如果您有一个整数 `x`，您可以将其转换为张量并应用 ReLU 函数：

import torch

x = 5
x_tensor = torch.tensor(x)
output = torch.relu(x_tensor)

在这个例子中，我们首先将整数 `x` 转换为张量 `x_tensor`，然后将其传递给 `torch.relu()` 函数，并将结果保存在 `output` 变量中。

请根据您的代码和需求进行相应的修改。

输入feature为（32，1024）的张量，会产生报错RuntimeError: Output 0 of SplitBackward0 is a view and is being modified inplace. This view is the output of a function that returns multiple views. Such functions do not allow the output views to be modified inplace. You should replace the inplace operation by an out-of-place one.，最终报错的语句是result = torch.relu_(input)

这个错误通常发生在原地（inplace）操作上，特别是在使用`torch.relu_()`函数时。这个错误的原因是，`torch.relu_()`函数返回一个与输入张量共享存储的视图，并且在原地修改了这个视图。然而，由于该视图是由多个视图返回的函数的输出之一，因此不允许原地修改。

要解决这个问题，你可以将`torch.relu_()`函数替换为`torch.relu()`函数，该函数会返回一个新的张量，而不是修改原始张量。修改后的代码如下：

x = self.conv1(self.af(feature))
x = self.af(x)
x = self.conv2(x)
residual = self.conv_res(feature)
return torch.relu(x + residual)

通过使用`torch.relu()`函数，你可以避免原地修改导致的错误，并获得正确的结果。