Pytorch autograd.grad与autograd.backward详解

这篇具有很好参考价值的文章主要介绍了Pytorch autograd.grad与autograd.backward详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Pytorch autograd.grad与autograd.backward详解

引言

平时在写 Pytorch 训练脚本时,都是下面这种无脑按步骤走:

outputs = model(inputs)		# 模型前向推理
optimizer.zero_grad()		# 清除累积梯度
loss.backward()				# 模型反向求导
optimizer.step()			# 模型参数更新

对用户屏蔽底层自动微分的细节,使得用户能够根据简单的几个 API 将模型训练起来。这对于初学者当然是极好的,也是 Pytorch 这几年一跃成为最流行的深度学习框架的主要原因:易用性。

但是,我们有时需要深究自动微分的机制,比如元学习方法 MAML (参考 Pytorch 代码)中,需要分别根据支持集和查询集的梯度按照不同的策略更新模型参数。这时还是需要了解一些 Pytorch 框架的自动微分机制。幸运的是,Pytorch 关于这部分的框架设计也很清晰,在参考了几个博客之后,笔者将自己的对 Pytorch 自动微分机制接口总结在这里。

注意只是自动微分机制的 Python 接口,而非底层实现。

背景知识

计算图

当今主流深度学习框架的计算图主要有两种形式:静态图(TensoFlow 1.x、Caffe …)和动态图(Pytorch …)。两者的却别简单说来就是:静态图是在模型确定之后就先生成一张计算图,然后每次对于不同的输入样本,都直接丢到计算图中跑;而动态图则是对于每次样本输入都重新构建一张计算图。从它们的区别也可以感受到它们彼此最重要的优劣势:静态图速度快但是不够灵活,动态图灵活但速度稍慢。

在今天,各个框架中动态图与静态图的区分也没有那么绝对了。比如 TensorFlow 2.0 已经采用动态图,而 Pytorch 也可通过 scripting/tracing 转换成 JIT torchscript 静态图。但这不是本文的重点,对深度学习框架计算图感兴趣可参考:机器学习系统:设计与实现 计算图。

我们要讨论的是 Pytorch 的自动微分机制,Pytorch 中主要是动态图,即计算图的搭建和计算是同时的,对每次输入都是重新建图计算。在 Pytorch 的计算图里有两种元素:数据(tensor)和 运算(operation)。

  • 运算:包括了加减乘除、开方、幂指对、三角函数等可微分运算。
  • 数据:在 Pytorch 中,数据的形式一般就是张量 torch.Tensor。
tensor

Pytorch 中 tensor 具有如下属性:

  • requires_grad:是否需要求导

    • 关于 requires_grad 属性的默认值。自己定义的叶子节点默认为 False,而非叶子节点默认为 True,神经网络中的权重默认为 True。判断哪些节点是True/False 的一个原则就是从你需要求导的叶子节点到 loss 节点之间是一条可求导的通路,这条通路上的节点的 requires_grad 都应当是 True。
  • grad_fn:当前节点是经过什么运算(如加减乘除等)得到的

  • grad:导数值

  • data:tensor 的数据

  • is_leaf:是否为叶子节点

    • 其他几个概念都比较好理解,这里解释一下什么是叶子节点。

    • 在 Pytorch 中,如果一个张量的 requires_grad=True,则进一步可分为:叶子节点和非叶子节点。叶子节点是用户创建的节点,不依赖其它节点,非叶子结点则是由叶子结点计算得到的中间张量。

      a = torch.randn(2, 2).requires_grad_()
      b = a * 2
      print(a.is_leaf, b.is_leaf)
      # 输出:True False
      
    • 对于 requires_grad=False 的 tensor 来说,我们约定俗成地把它们归为叶子张量。但其实无论如何划分都没有影响,因为张量的 is_leaf 属性只有在需要求导的时候才有意义。

    • 由于叶子节点是用户创建的,所以它的 grad_fn 为空,而非叶子节点都是经过运算得到的,所以 grad_fn 非空

    • 叶子/非叶子表现出来的区别在于:反向传播结束之后,非叶子节点的梯度会被释放掉,只保留叶子节点的梯度,这样就节省了内存。如果想要保留非叶子节点的梯度,可以使用 retain_grad() 方法。

关于 Pytorch tensor 的更多细节,可参考:浅谈 PyTorch 中的 tensor 及使用 。

一个例子

以下例子来自:PyTorch 的 Autograd。

了解过背景知识之后,现在我们来看一个具体的计算例子,先用最常见的梯度反传方式 loss.backward() ,并画出它的正向和反向计算图。假如我们需要计算这么一个模型:

l1 = input x w1
l2 = l1 + w2
l3 = l1 x w3
l4 = l2 x l3
loss = mean(l4)

这个例子比较简单,涉及的最复杂的操作是求平均,但是如果我们把其中的加法和乘法操作换成卷积,那么其实和神经网络类似。我们可以简单地画一下它的计算图,其中绿色节点表示叶子节点:

Pytorch autograd.grad与autograd.backward详解

图1:正向计算图

下面给出了对应的代码,我们定义了 input,w1,w2,w3 这三个变量,其中 input 不需要求导结果。根据 Pytorch 默认的求导规则,对于 l1 来说,因为有一个输入需要求导(也就是 w1 需要),所以它自己默认也需要求导,即 requires_grad=True(即前面提到的 ”是否在需要求导的通路上“ ,如果对这个规则不熟悉,欢迎参考 浅谈 PyTorch 中的 tensor 及使用 或者直接查看 官方 Tutorial 相关部分)。在整张计算图中,只有 input 一个变量是 requires_grad=False 的。正向传播过程的具体代码如下:

input = torch.ones([2, 2], requires_grad=False)
w1 = torch.tensor(2.0, requires_grad=True)
w2 = torch.tensor(3.0, requires_grad=True)
w3 = torch.tensor(4.0, requires_grad=True)

l1 = input * w1
l2 = l1 + w2
l3 = l1 * w3
l4 = l2 * l3
loss = l4.mean()

print(w1.data, w1.grad, w1.grad_fn)
# tensor(2.) None None

print(l1.data, l1.grad, l1.grad_fn)
# tensor([[2., 2.],
#         [2., 2.]]) None <MulBackward0 object at 0x000001EBE79E6AC8>

print(loss.data, loss.grad, loss.grad_fn)
# tensor(40.) None <MeanBackward0 object at 0x000001EBE79D8208>

正向传播的结果基本符合我们的预期。我们可以看到,变量 l1 的 grad_fn 储存着乘法操作符 <MulBackward0>,用于在反向传播中指导导数的计算。而 w1 是用户自己定义的,不是通过计算得来的,所以其 grad_fn 为空;同时因为还没有进行反向传播,grad 的值也为空。接下来,我们看一下如果要继续进行反向传播,计算图应该是什么样子:

Pytorch autograd.grad与autograd.backward详解

图2:反向计算图

反向图也比较简单,从 loss 这个变量开始,通过链式法则,依次计算出各部分的导数。说到这里,我们不妨先自己手动推导一下求导的结果,再与程序运行结果作对比。如果对这部分不感兴趣的读者,可以直接跳过。

再摆一下公式:

input = [1.0, 1.0, 1.0, 1.0]
w1 = [2.0, 2.0, 2.0, 2.0]
w2 = [3.0, 3.0, 3.0, 3.0]
w3 = [4.0, 4.0, 4.0, 4.0]

l1 = input x w1 = [2.0, 2.0, 2.0, 2.0]
l2 = l1 + w2 = [5.0, 5.0, 5.0, 5.0]
l3 = l1 x w3 = [8.0, 8.0, 8.0, 8.0] 
l4 = l2 x l3 = [40.0, 40.0, 40.0, 40.0] 
loss = mean(l4) = 40.0

首先 l o s s = 1 4 ∑ i = 0 3 l 4 i loss=\frac{1}{4}\sum_{i=0}^3l_4^i loss=41i=03l4i , 所以 l o s s loss loss l 4 i l_4^i l4i 的偏导分别为 ∂ l o s s ∂ l 4 i = 1 4 \frac{\partial loss}{\partial l_4^i}=\frac{1}{4} l4iloss=41 ;

接着 ∂ l 4 ∂ l 3 = l 2 = [ 5.0 , 5.0 , 5.0 , 5.0 ] \frac{\partial l_4}{\partial l_3}=l_2=[5.0,5.0,5.0,5.0] l3l4=l2=[5.0,5.0,5.0,5.0] , 同时 ∂ l 4 ∂ l 2 = l 3 = [ 8.0 , 8.0 , 8.0 , 8.0 ] \frac{\partial l_4}{\partial l_2}=l_3=[8.0,8.0,8.0,8.0] l2l4=l3=[8.0,8.0,8.0,8.0] ;

现在看 l 3 l_3 l3 对它的两个变量的偏导:

∂ l 3 ∂ l 1 = w 3 = [ 4.0 , 4.0 , 4.0 , 4.0 ] \frac{\partial l_3}{\partial l_1}=w3=[4.0,4.0,4.0,4.0] l1l3=w3=[4.0,4.0,4.0,4.0] ∂ l 3 ∂ w 3 = l 1 = [ 2.0 , 2.0 , 2.0 , 2.0 ] \frac{\partial l_3}{\partial w_3}=l1=[2.0,2.0,2.0,2.0] w3l3=l1=[2.0,2.0,2.0,2.0]

因此 ∂ l o s s ∂ w 3 = ∂ l o s s ∂ l 4 ∂ l 4 ∂ l 3 ∂ l 3 ∂ w 3 = [ 2.5 , 2.5 , 2.5 , 2.5 ] \frac{\partial loss}{\partial w_3}=\frac{\partial loss}{\partial{l_4}}\frac{\partial{l_4}}{\partial{l_3}}\frac{\partial{l_3}}{\partial w_3}=[2.5,2.5,2.5,2.5] w3loss=l4lossl3l4w3l3=[2.5,2.5,2.5,2.5] , 其和为 10 ;

同理,再看一下求 w 2 w_2 w2 导数的过程: ∂ l o s s ∂ w 2 = ∂ l o s s ∂ l 4 ∂ l 4 ∂ l 2 ∂ l 2 ∂ w 3 = [ 2.0 , 2.0 , 2.0 , 2.0 ] \frac{\partial loss}{\partial w_2}=\frac{\partial loss}{\partial{l_4}}\frac{\partial{l_4}}{\partial{l_2}}\frac{\partial{l_2}}{\partial w_3}=[2.0,2.0,2.0,2.0] w2loss=l4lossl2l4w3l2=[2.0,2.0,2.0,2.0] ,其和为 8。

其他的导数计算基本上都类似,因为过程太多,这里就不全写出来了,如果有兴趣的话大家不妨自己继续算一下。


接下来我们继续运行代码,并检查一下结果和自己算的是否一致:

loss.backward()

print(w1.grad, w2.grad, w3.grad)
# tensor(28.) tensor(8.) tensor(10.)
print(l1.grad, l2.grad, l3.grad, l4.grad, loss.grad)
# None None None None None

首先我们需要注意一下的是,在之前写程序的时候我们给定的 w 们都是一个常数,利用了广播的机制实现和常数和矩阵的加法乘法,比如 w2 + l1,实际上我们的程序会自动把 w2 扩展成 [[3.0, 3.0], [3.0, 3.0]],和 l1 的形状一样之后,再进行加法计算,计算的导数结果实际上为 [[2.0, 2.0], [2.0, 2.0]],为了对应常数输入,所以最后 w2 的梯度返回为矩阵之和 8 。

另外还有一个问题,注意到 l1,l2,l3,以及其他的部分的求导结果都为空。这验证了我们之前提到的叶子结点的概念,对于非叶子几点,不会保留其梯度值,如果一定要保留,需要设置 retain_graph=True。

torch.autograd:grad与backward

自动微分机制是深度学习框架的核心,对于 Pytorch 也不例外。 [Pytorch autograd官方文档][https://pytorch.org/docs/stable/autograd.html#]指出,Pytorch 中有两种方式可以实现反向传播求导,分别是 torch.auograd.gradtorch.autograd.backward

在我们日常搭建训练脚本的过程中,最常见的是 loss.backward() 。其实这是与 torch.autograd.backward(loss) 是等价的,即上述后一种方式。

两种方式的区别是:前者是返回参数的梯度值列表,而后者是直接修改各个 tensor 的 grad 属性。

接口定义

torch.autograd.backward

torch.autograd.backward(
		tensors, 
		grad_tensors=None, 
		retain_graph=None, 
		create_graph=False, 
		grad_variables=None)
  • tensor:用于计算梯度的tensor。前面提到过以下两种方式是等价的:torch.autograd.backward(z) == z.backward()
  • grad_tensors:在计算矩阵的梯度时会用到。也是一个tensor,shape一般需要和前面的 tensor 保持一致。
  • retain_graph:通常在调用一次 grad/backward 后,Pytorch会自动把计算图销毁,所以要想对某个变量重复调用 backward,则需要将该参数设置为 True
  • create_graph:当设置为 True 的时候可以用来计算更高阶的梯度
  • grad_variables:这个官方说法是 ‘grad_variables’ is deprecated. Use ‘grad_tensors’ instead.也就是说这个参数后面版本中应该会丢弃,直接使用 grad_tensors 就好了。

torch.autograd.grad

torch.autograd.grad(
		outputs, 
		inputs, 
		grad_outputs=None, 
		retain_graph=None, 
		create_graph=False, 
		only_inputs=True, 
		allow_unused=False)
  • outputs:结果节点,通常是损失值
  • inputs:需要求梯度的叶子节点,通常是模型参数
  • grad_outputs:类似于 backward 方法中的 grad_tensors
  • retain_graph:同上
  • create_graph:同上
  • only_inputs:默认为 True。如果为 True, 则只会返回指定 input 的梯度值。 若为 False,则会计算所有叶子节点的梯度,并且将计算得到的梯度累加到各自的grad属性上去。
  • allow_unused:默认为 False, 即必须要指定input,如果没有指定的话则报错。
例子

还是通过一个例子来看:

import torch
import torch.nn as nn

class MyModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(in_channels=2, out_channels=2, kernel_size=1, padding=0, bias=False)
        self.conv2 = nn.Conv2d(in_channels=2, out_channels=1, kernel_size=1, padding=0, bias=False)

    def forward(self, z):
        return self.conv2(self.conv1(z))

c = 2
h = 5
w = 5
lr = 0.01
inputs = torch.arange(0, c * h * w).float().view(1, c, h, w)
model = MyModel()
outputs = model(inputs)

loss = outputs.sum()

model.zero_grad()
grad = torch.autograd.grad(loss, model.parameters(), retain_graph=True)
# grad = torch.autograd.grad(loss, model.parameters())
# 注意这里需要 retain_grad = True,否则会报错:
# RuntimeError: Trying to backward through the graph a second time (or directly access saved tensors after they have already been freed). Saved intermediate values of the graph are freed when you call .backward() or autograd.grad(). Specify retain_graph=True if you need to backward through the graph a second time or if you need to access saved tensors after calling backward.
loss.backward()

for i, (name, param) in enumerate(model.named_parameters()):
    print("******************")
    print(name)
    print("grad using loss.backward: ", param.grad.data)
    print("grad using autograd.grad: ", grad[i])
    print("******************")

    # 更新参数
    # 相当于 optimizer.step()
    
    # theta_1 = theta_0 - lr * grad
    param.data.sub_(lr * param.grad.data)
    # 或者:
    # param.data.sub_(lr * grad[i])

我们定义了一个简单的两层卷积模型,然后分别用 grad 和 backward 的方式来计算它们的梯度,并打印出来比较一下,发现是完全一致的。

如果想要根据梯度更新参数的话,也可以在拿到梯度之后,直接按照梯度下降的公式手动进行更新:
θ 1 = θ 0 − α ∇ θ 0 \theta_1=\theta_0-\alpha \nabla\theta_0 θ1=θ0αθ0
这一步就相当于执行了 optimizer.step() ,它会使用封装好的优化器进行更新。

求高阶导

如何求高阶导,比如求二阶导, 无非就是 grad_x 再对 x 求梯度:

x = torch.tensor(2.).requires_grad_()
y = torch.tensor(3.).requires_grad_()

z = x * x * y

grad_x = torch.autograd.grad(outputs=z, inputs=x, retain_graph=True)
grad_xx = torch.autograd.grad(outputs=grad_x, inputs=x)

print(grad_xx[0])
# 报错:RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn

报错了,虽然 retain_graph=True 保留了计算图和中间变量梯度, 但没有保存 grad_x 的运算方式,需要使用 create_graph=True 在保留原图的基础上再建立额外的求导计算图,也就是会把 ∂ z ∂ x = 2 x y \frac{\partial{z}}{\partial{x}}=2xy xz=2xy 这样的运算存下来。

一阶二阶导我们可以分别用 autograd.grad 或者 backward 来做,即我们有四种排列组合,都是可以的:

# autograd.grad() + autograd.grad()
x = torch.tensor(2.).requires_grad_()
y = torch.tensor(3.).requires_grad_()

z = x * x * y

grad_x = torch.autograd.grad(outputs=z, inputs=x, create_graph=True)
grad_xx = torch.autograd.grad(outputs=grad_x, inputs=x)

print(grad_xx[0])
# 输出:tensor(6.)

grad_xx 这里也可以直接用 backward,相当于直接从 ∂ z ∂ x = 2 x y \frac{\partial{z}}{\partial{x}}=2xy xz=2xy 开始回传

# autograd.grad() + backward()
x = torch.tensor(2.).requires_grad_()
y = torch.tensor(3.).requires_grad_()

z = x * x * y

grad = torch.autograd.grad(outputs=z, inputs=x, create_graph=True)
grad[0].backward()

print(x.grad)
# 输出:tensor(6.)

也可以先用 backward 然后对 x.grad 这个一阶导继续求导

# backward() + autograd.grad()
x = torch.tensor(2.).requires_grad_()
y = torch.tensor(3.).requires_grad_()

z = x * x * y

z.backward(create_graph=True)
grad_xx = torch.autograd.grad(outputs=x.grad, inputs=x)

print(grad_xx[0])
# 输出:tensor(6.)

那是不是也可以直接用两次 backward 呢?第二次直接 x.grad 从开始回传,我们试一下

# backward() + backward()
x = torch.tensor(2.).requires_grad_()
y = torch.tensor(3.).requires_grad_()

z = x * x * y

z.backward(create_graph=True) # x.grad = 12
x.grad.backward()

print(x.grad)
# 输出:tensor(18., grad_fn=<CopyBackwards>)

发现了问题,结果不是 6,而是18,发现第一次回传时输出 x 梯度是12。这是因为 Pytorch 使用 backward 时默认会累加梯度,需要手动把前一次的梯度清零

x = torch.tensor(2.).requires_grad_()
y = torch.tensor(3.).requires_grad_()

z = x * x * y

z.backward(create_graph=True)
x.grad.data.zero_()
x.grad.backward()

print(x.grad)
# 输出:tensor(6., grad_fn=<CopyBackwards>)

对输出矩阵自动微分

到此为止我们都是对标量进行自动微分,当我们试图对向量或者矩阵进行梯度反传时,会怎么样呢?

import torch
x = torch.tensor([1., 2.]).requires_grad_()
y = x * x

y.backward()
print(x.grad)
# 报错:RuntimeError: grad can be implicitly created only for scalar outputs

报错了,只有对标量输出才能隐式地求梯度。即因为只能标量对标量,标量对向量求梯度, x 可以是标量或者向量,但 y 只能是标量;所以只需要先将 y 转变为标量,对分别求导没影响的就是求和。比如下面这样:

import torch
x = torch.tensor([1., 2.]).requires_grad_()
y = x * x

y = y.sum() # 求和,得到标量
y.backward()
print(x.grad)
# 输出:tensor([2., 4.])

此时, x = [ x 1 , y 1 ] x=[x_1,y_1] x=[x1,y1] y = [ x 1 2 , x 2 2 ] y=[x_1^2,x_2^2] y=[x12,x22] y ′ = y . s u m ( ) = x 1 2 + x 2 2 y'=y.sum()=x_1^2+x_2^2 y=y.sum()=x12+x22 ,很显然,求梯度有:
∂ y ′ ∂ x 1 = 2 x 1 = 2            ∂ y ′ ∂ x 2 = 2 x 2 = 4 \frac{\partial y'}{\partial x_1}=2x_1=2\ \ \ \ \ \ \ \ \ \ \frac{\partial y'}{\partial x_2}=2x_2=4 x1y=2x1=2          x2y=2x2=4
与程序输出相同。

为什么必须是标量呢?我们先写出当输出是一个向量 y = [ y 1 , y 2 ] y=[y_1,y_2] y=[y1,y2] 时的雅克比矩阵:
J = [ ∂ y ∂ x 1 , ∂ y ∂ x 2 ] = [ ∂ y 1 ∂ x 1 ∂ y 1 ∂ x 2 ∂ y 2 ∂ x 1 ∂ y 2 ∂ x 2 ] {J}=[\frac{\partial y}{\partial x_1},\frac{\partial y}{\partial x_2}]=\begin{bmatrix}{\frac{\partial y_1}{\partial x_1}}&{\frac{\partial y_1}{\partial x_2}}\\{\frac{\partial y_2}{\partial x_1}}&{\frac{\partial y_2}{\partial x_2}}\end{bmatrix} J=[x1y,x2y]=[x1y1x1y2x2y1x2y2]
而我们想要的是 [ ∂ y 1 ∂ x 1 , ∂ y 2 ∂ x 2 ] [\frac{\partial y_1}{\partial x_1},\frac{\partial y_2}{\partial x_2}] [x1y1,x2y2] ,从矩阵计算的角度来看,是不是只要对雅克比矩阵左乘个 [ 1 , 1 ] [1,1] [1,1] 就可以得到我们想要的了:
[ ∂ y 1 ∂ x 1 , ∂ y 2 ∂ x 2 ] = [ 1 , 1 ] ⋅ J [\frac{\partial y_1}{\partial x_1},\frac{\partial y_2}{\partial x_2}]=[1,1]\cdot J [x1y1,x2y2]=[1,1]J
这就是不使用 y.sum() 的另一种方式,通过 backward 接口的 grad_tensors 参数(上面介绍过):

x = torch.tensor([1., 2.]).requires_grad_()
y = x * x

y.backward(torch.ones_like(y))
print(x.grad)
# 输出:tensor([2., 4.])

如果要使用 torch.autograd.grad ,对应的接口形参是 grad_outputs :

x = torch.tensor([1., 2.]).requires_grad_()
y = x * x

grad_x = torch.autograd.grad(outputs=y, inputs=x, grad_outputs=torch.ones_like(y))
# 或者
# grad_x = torch.autograd.grad(outputs=y.sum(), inputs=x)
print(grad_x[0])
# 输出:tensor([2., 4.])

实际上,grad_tensors 的作用其实可以简单地理解成在求梯度时的权重,因为可能不同值的梯度对结果影响程度不同,所以 Pytorch 弄了个这种接口,而没有固定为全是1。引用自知乎上的一个评论:如果从最后一个节点(总loss)来backward,这种实现(torch.sum(y*w))的意义就具体化为 multiple loss term with difference weights 这种需求了吧。

关于对输出矩阵求微分,更详细的可参考:PyTorch 的 backward 为什么有一个 grad_variables 参数?

几个细节

zero_grad

在写训练脚本时,我们通常在每次 backward 反传之前,都要进行一步 optimizer.zero_gard() ,这一步是做什么的呢?实际上就如同名字显示那样,本步的目的就是将目前叶子结点中上一步的梯度 grad 清零,然后再进行反传,计算本 batch 的梯度。

那能不能不每次都清零梯度呢?实际上是可以的,这可以作为一种变相增大 batch size 的 trick。如果我们的机器每个 batch 最多只能 64 个样本,那我们设置每步都计算梯度并累计到叶子结点的 grad 属性中,但是每隔一步才进行一次参数更新和梯度清零,这就相当于 batch_size 成了 128。但这也会出现一些问题,比如 BN 怎么办,这在知乎上也有一些问题有讨论过,感兴趣可以查一下。

model.zero_grad()还是optimizer.zero_grad()?

看代码时,有时候会看到 model.zero_grad() ,有时又会看到 optimizer.zero_grad() ,到底有什么区别呢?

我们知道模型就是一堆参数按照特定的运算结构组织起来,我们在构建 optimizer 时会把优化器要优化的参数传递给它,比如:

optimizer = Adam(model.parameters(), lr=lr)

常规情况下传入优化器的只有 model.parameters(),但是并不总是如此。有时候,整个模型要优化的不只有模型本身的参数,还可能有一些自定义的 parameters,比如:

pref_vec = torch.nn.Parameter(torch.randn(1, 512))
optimizer = Adam([{'params': model.parameters()}, {'params': pref_vec}], lr=lr)

在这种情况下 model.parameters()pref_vec 是一起更新的,都有 optimizer 这个优化器来更新。

指出这一点之后,大家应该就明白 model.zero_grad()optimizer.zero_grad() 的区别了。它们指向的待更新参数(叶子结点)不一定是一样的。一般情况下(优化器待更新参数就是模型参数)二者是等价的,但是如果待更新的参数除了模型的参数之外还有一些自定义的参数,就必须用 optimizer.zero_grad() 了。

detach

detach 会切断当前张量与计算图之间的联系,不会再往后计算梯度。

假设有模型 A 和模型 B,我们需要将 A 的输出作为 B 的输入,但训练时我们只训练模型B,那么可以这样做:

input_B = output_A.detach()
inplace

inplace 操作顾名思义,就是直接在原地改变张量的值,而不是计算后得到一个新的张量并返回。

注意:叶子节点不可执行 in-place 操作,因为反向传播时会访问原来的对象地址。

关于 inplace 操作也有很多坑,经常见到的一个报错是:

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: ...

关于 inplace 操作的问题在 PyTorch 的 Autograd 中有详细的讨论。文章来源地址https://www.toymoban.com/news/detail-408361.html

Ref

  1. Pytorch autograd官方文档
  2. 一文解释PyTorch求导相关 (backward, autograd.grad)
  3. MAML-Pytorch
  4. 机器学习系统:设计与实现 计算图
  5. 浅谈 PyTorch 中的 tensor 及使用
  6. PyTorch 的 Autograd
  7. 一文解释PyTorch求导相关 (backward, autograd.grad)
  8. PyTorch 的 backward 为什么有一个 grad_variables 参数?
  9. Pytorch autograd,backward详解

到了这里,关于Pytorch autograd.grad与autograd.backward详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Pytorch中的.backward()方法

    参考 Pytorch中的.backward()方法_deephub的博客-CSDN博客_.backward requires_gard 是Tensor变量的一个属性,一般默认为False。 如果对于某Variable 变量 x ,其  x.requires_grad == True , 则表示它可以参与求导,也可以从它向后求导。 requires_grad == True  具有传递性:若  x.requires_grad == True , y.re

    2024年02月16日
    浏览(31)
  • Pytorch Tutorial【Chapter 2. Autograd】

    1. Review Matrix Calculus 1.1 Definition向量对向量求导 ​ Define the derivative of a function mapping f : R n → R m f:mathbb{R}^ntomathbb{R}^m f : R n → R m as the n × m ntimes m n × m matrix of partial derivatives. That is, if x ∈ R n , f ( x ) ∈ R m xinmathbb{R}^n,f(x)inmathbb{R}^m x ∈ R n , f ( x ) ∈ R m , the derivative of f

    2024年02月14日
    浏览(36)
  • 深度解析 PyTorch Autograd:从原理到实践

    本文深入探讨了 PyTorch 中 Autograd 的核心原理和功能。从基本概念、Tensor 与 Autograd 的交互,到计算图的构建和管理,再到反向传播和梯度计算的细节,最后涵盖了 Autograd 的高级特性。 关注TechLead,分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理

    2024年02月03日
    浏览(53)
  • PyTorch:梯度计算之反向传播函数backward()

    计算图,是一种用来描述计算的有向无环图。 我们假设一个计算过程,其中 X 1 mathbf{X_1} X 1 ​ 、 W 1 mathbf{W_1} W 1 ​ 、 W 2 mathbf{W_2} W 2 ​ 、 Y mathbf{Y} Y 都是 N N N 维向量。 X 2 = W 1 X 1 mathbf{X_2} = mathbf{W_1}mathbf{X_1} X 2 ​ = W 1 ​ X 1 ​ y = W 2 X 2 mathbf{y} = mathbf{W_2}mathbf{X_2} y

    2023年04月09日
    浏览(38)
  • 深入浅出Pytorch函数——torch.Tensor.backward

    分类目录:《深入浅出Pytorch函数》总目录 相关文章: · 深入浅出Pytorch函数——torch.Tensor 计算当前张量相对于图的梯度,该函数使用链式法则对图进行微分。如果张量不是一个标量(即其数据具有多个元素)并且需要梯度,则函数还需要指定梯度,指定的梯度应该是一个与

    2024年02月15日
    浏览(53)
  • PyTorch 中autograd.Variable模块的基本操作

    在 PyTorch 中, autograd.Variable 是一个自动求导变量,用于构建计算图并进行梯度自动求导。 Variable 提供了许多基本操作,下面介绍其中的一些常用操作: 创建变量: 访问数据: 注意,PyTorch 1.0 版本后, Variable 被弃用,可以直接使用 Tensor。 反向传播计算梯度: 在创建变量时

    2024年02月11日
    浏览(32)
  • **PyTorch月学习计划 - 第一周;第6-7天: 自动梯度(Autograd)**

    PyTorch月学习计划 - 第6-7天: 自动梯度(Autograd) 学习目标: 掌握自动微分的基本原理,特别是在深度学习中的应用。 学会如何在PyTorch中使用autograd模块进行自动梯度计算。 学习内容: 自动微分和计算图的概念 自动微分:自动微分是深度学习中用于自动计算导数或梯度的技

    2024年01月21日
    浏览(43)
  • 深度学习 -- pytorch 计算图与动态图机制 autograd与逻辑回归模型

    pytorch中的动态图机制是pytorch这门框架的优势所在,阅读本篇博客可以使我们对动态图机制以及静态图机制有更直观的理解,同时在博客的后半部分有关于逻辑回归的知识点,并且使用pytorch中张量以及张量的自动求导进行构建逻辑回归模型。 计算图是用来描述运算的有向无环

    2024年02月01日
    浏览(42)
  • PyTorch翻译官网教程6-AUTOMATIC DIFFERENTIATION WITH TORCH.AUTOGRAD

    Automatic Differentiation with torch.autograd — PyTorch Tutorials 2.0.1+cu117 documentation 当训练神经网络时,最常用的算法是方向传播算法。在该算法中,根据损失函数与给定参数的梯度来调整模型参数(权重)。 为了计算这些梯度,PyTorch有一个内置的微分引擎,名为torch.autograd。它支持任

    2024年02月16日
    浏览(49)
  • Pytorch使用Grad-CAM绘制热力图

    原理与代码学习自B站霹雳吧啦Wz老师 使用grad_cam对不同预测目标的图像做activate图。 效果见下图。 使用的是自己训练的MobileNetV2 需要模型feature的最后一层,模型训练权重。 代码如下: 还有别的图的效果。总之没有很精细,但也不错了。 大概就是在将本张图片分为感兴趣类

    2024年02月12日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包