我是 Cython 的新手，我正在尝试从该项目编译 Cython但没有成功。
通过这个 setup.py，
from distutils.core import setup, Extension
from Cython.Distutils import build_ext
from distutils.extension import Extension
sources_list = ["timgraph.pyx", "Graph.cpp", "InfGraph.cpp", "sfmt/SFMT.c"]
setup(ext_modules=[Extension("pytim",
sources=sources_list,
language="c++",
extra_compile_args=["-std=c++11"])
],
cmdclass={'build_ext':build_ext})
我运行以下命令：
python setup.py build_ext --inplace
并得到以下错误：
error: invalid argument '-std=c++11' not allowed with 'C/ObjC'
error: command 'clang' failed with exit status 1
我正在运行 macOS High Sierra 10.13.2、Python 3.6.2、Cython 0.27.3 和 Apple LLVM 版本 9.0.0，以防有帮助。
编辑：我想这可能是因为尝试同时编译 C 和 C++，因为我可以运行C++ 的 Cython 示例并且工作正常。但我不知道如何解决 extra_compile_args 适用于所有源（包括“sfmt/SFMT.c”）的事实。
我正在尝试实现一个版本的差异私有随机梯度下降（例如this），如下所示：
计算大小为 L 的批次中每个点的梯度，然后分别裁剪 L 个梯度中的每一个，然后将它们平均在一起，最后执行（噪声）梯度下降步骤。
在 pytorch 中执行此操作的最佳方法是什么？
最好有一种方法可以同时计算批处理中每个点的梯度：
x # inputs with batch size L
y #true labels
y_output = model(x)
loss = loss_func(y_output,y) #vector of length L
loss.backward() #stores L distinct gradients in each param.grad, magically
但是失败了，分别计算每个梯度，然后在累积之前裁剪范数，但是
x # inputs with batch size L
y #true labels
y_output = model(x)
loss = loss_func(y_output,y) #vector of length L
for i in range(loss.size()[0]):
loss[i].backward(retain_graph=True)
torch.nn.utils.clip_grad_norm(model.parameters(), clip_size)
累积第 i 个梯度，然后剪辑，而不是先剪辑再累积到梯度中。解决此问题的最佳方法是什么？