深度学习将两个网络拼接在一起，前一个作为后一个的输入，反向传播计算loss报错

我在尝试将两个网络连起来用，现在确认单独使用其中一个，屏蔽另一个是能够反向传播，即正常运行，但是两个一起用就报错

loss.backward()这一行报错

RuntimeError: _cdist_backward requires X1 to be contiguous

搜遍了网络找不到原因，请教各位是否有过了解。我是在pytorch框架下运行的python, 使用的loss函数是MSELoss()

这个报错指你的tensor经过拼接或者维度变换之后没有加上.contiguous(),导致内存不连续，你可以在有view()，或者transpose() 之类的地方后面加上.contiguous()看看行不行

两个接在一起梯度消失或者爆炸了吧，网络太深了，何况为啥你要接一块一起训练啊，你可以单独训练把结果接一块啊。分开训练损失函数。