浅谈Pytorch中autograd的若干(踩坑)总结
关于Variable和Tensor
旧版本的Pytorch中，Variable是对Tensor的一个封装；在Pytorch大于v0.4的版本后，Varible和Tensor合并了，意味着Tensor可以像旧版本的Variable那样运行，当然新版本中Variable封装仍旧可以用，但是对Varieble操作返回的将是一个Tensor。
import torch as t from torch.autograd import Variable a = t.ones(3,requires_grad=True) print(type(a)) #输出：<class 'torch.Tensor'> a=Variable(a) print(type(a)) #输出仍旧是：<class 'torch.Tensor'> print(a.volatile) #输出：__main__:1: UserWarning: volatile was removed (Variable.volatile is always False) a.volatile=True print(a.volatile) #输出：__main__:1: UserWarning: volatile was removed (Variable.volatile is always False) #现版本pytorch中移除了volatile这个属性，即volatile总是false
叶子节点leaf
对于那些不是任何函数(Function)的输出，由用户创建的节点称为叶子节点，叶子节点的grad_fn为None。
import torch as t a = t.ones(3,requires_grad=True) b = t.rand(3,requires_grad=True) a，a.is_leaf #输出：(tensor([1., 1., 1.], requires_grad=True), True) b #输出：(tensor([0.4254, 0.8763, 0.5901], requires_grad=True), True) c = a*b c.is_leaf #输出：False.说明c不是叶子节点 a.grad_fn #输出：None.叶子节点的grad_fn为None. c.grad_fn #输出：<MulBackward0 object at 0x7fa45c406278>
autograd操作
首先Tensor是默认不需要求导的，即requires_grad默认为False。
import torch as t a = t.ones(3) a.requires_grad #输出：False.Tensor默认不需要求导
如果某一个节点requires_grad被设置为True，那么所有依赖它的节点requires_grad都为True。
import torch as t a = t.ones(3) b = t.ones(3,requires_grad=True) b.requires_grad #输出：True c = a + b c.requires_grad #输出：True.虽然c没有指定需要求导，然是c依赖于b，而b需要求导，所以c.requires_grad=True
只有scalar才能进行反向backward()操作，并且backward对于叶节点的grad的是累加的。当只进行计算操作不做backward，叶节点的grad不发生变化。
更正一下，并不是只有scaler才能进行backward操作，矩阵和向量也可以，只不过backward()中要添加对应维度的参数。
import torch as t a = t.ones(3,requires_grad=True) b = t.rand(3,requires_grad=True) a,b #输出：(tensor([1., 1., 1.], requires_grad=True), #tensor([0.9373, 0.0556, 0.6426], requires_grad=True)) c = a*b c #输出：tensor([0.9373, 0.0556, 0.6426], grad_fn=<MulBackward0>) c.backward(retain_graph=True) #输出：RuntimeError: grad can be implicitly created only for scalar outputs #只有数值scalar才能进行backward操作 d = c.sum() d.backward(retain_graph=True) #retain_graph=True是为了保存中间缓存，否则再次backward的时候会报错 a.grad #输出：tensor([0.9373, 0.0556, 0.6426]) b.grad #输出：tensor([1., 1., 1.]) #backward后a和b的grad产生了数值 e = c.sum() e.backward(retain_graph=True) b.grad #输出：tensor([2., 2., 2.]).b的grad进行了两次backward后进行了累加. f = c.sum() b.grad #输出：tensor([2., 2., 2.]) #只进行计算不backward，梯度不更新
Tensor.data和Tensor.detach()
如过tensor的数值需要参与计算又不想参与到计算图的更新中，计算的时候可以用tensor.data，这样既能利用tensor的数值，又不会更新梯度。
import torch as t a = t.ones(3,4,requires_grad=True) b = t.rand(3,4,requires_grad=True) a.data.requires_grad #输出：False. a.data独立于计算图之外 c = a.data * b.data d = c.sum() d.backward() #输出：RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn #因为独立于计算图之外，requires_grad = False所以不能backward()
当tensor.data被修改的时候，tensor也会同步的被修改，此时用该tensor进行计算并backward的时候梯度的值就不再准确了，因为tensor已经被修改了！
import torch as t a = t.ones(3,4,requires_grad=True) b = t.rand(3,4,requires_grad=True) c = a*b d = c.sum() a.data.sigmoid_() #输出：tensor([[0.7311, 0.7311, 0.7311, 0.7311], # [0.7311, 0.7311, 0.7311, 0.7311], # [0.7311, 0.7311, 0.7311, 0.7311]]) #虽然对a.data进行sigmoid操作，但是a的值已经被修改了. d.backward() b.grad #输出：tensor([[0.7311, 0.7311, 0.7311, 0.7311], # [0.7311, 0.7311, 0.7311, 0.7311], # [0.7311, 0.7311, 0.7311, 0.7311]]) #b的grad不准了，本来应该都是1！
为了避免因为对tensor.data修改导致grad变化的情况，可以利用tensor.detach，同样可以保证tensor不参与到计算图当中，但是当tensor的值被改变的时候，再进行backward就会报错而不会有先前的因为tensor的值被改变而导致不准的情况了。
import torch as t a = t.ones(3,4,requires_grad=True) b = t.rand(3,4,requires_grad=True) c = a * b d = c.sum() a_ = a.detach() a_.sigmoid_() a #输出：tensor([[0.7311, 0.7311, 0.7311, 0.7311], # [0.7311, 0.7311, 0.7311, 0.7311], # [0.7311, 0.7311, 0.7311, 0.7311]], requires_grad=True) #a的值已经发生了改变 d.backward() #报错：RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation #因为a的值被修改了，所以不能再进行backward
推荐用tensor.detach的方式而不是tensor.data的方式，因为这样更保险！
autograd.grad和hook
在计算的时候有时候我们可能会用到非叶节点的grad，但是非叶节点的grad在backward之后就会被自动清空：
import torch as t a = t.ones(3,4,requires_grad=True) b = t.rand(3,4,requires_grad=True) c = a*b d = c.sum() d.backward() a.grad #输出：tensor([[0.3114, 0.3017, 0.8461, 0.6899], # [0.3878, 0.8712, 0.2406, 0.7396], # [0.6369, 0.0907, 0.4984, 0.5058]]) c.grad #输出：None #c为非叶子节点，计算后被清空
可以用autograd.grad和hook来处理这种情况：
#利用autograd.grad获取中间节点梯度
t.autograd.grad(d,c)
#输出：(tensor([[1., 1., 1., 1.],
# [1., 1., 1., 1.],
# [1., 1., 1., 1.]]),)
#利用hook获取中间节点梯度
import torch as t
a = t.ones(3,4,requires_grad=True)
b = t.rand(3,4,requires_grad=True)
c = a*b
d = c.sum()
def print_grad(grad):
print(grad)
#给c注册hook
c_hook = c.register_hook(print_grad)
d.backward()
#输出：tensor([[1., 1., 1., 1.],
# [1., 1., 1., 1.],
# [1., 1., 1., 1.]])
#移除钩子
c_hook.remove()
补充：关于Pytorch中autograd和backward的一些笔记
1 Tensor
Pytorch中所有的计算其实都可以回归到Tensor上，所以有必要重新认识一下Tensor。
如果我们需要计算某个Tensor的导数，那么我们需要设置其.requires_grad属性为True。为方便说明，在本文中对于这种我们自己定义的变量，我们称之为叶子节点(leaf nodes)，而基于叶子节点得到的中间或最终变量则可称之为结果节点。
另外一个Tensor中通常会记录如下图中所示的属性：
data: 即存储的数据信息
requires_grad: 设置为True则表示该 Tensor 需要求导
grad: 该 Tensor 的梯度值，每次在计算 backward 时都需要将前一时刻的梯度归零，否则梯度值会一直累加，这个会在后面讲到。
grad_fn: 叶子节点通常为 None，只有结果节点的 grad_fn 才有效，用于指示梯度函数是哪种类型。
is_leaf: 用来指示该 Tensor 是否是叶子节点。
举例：
x = torch.rand(3, requires_grad=True)
y = x ** 2
z = x + x
print(
'x requires grad: {}, is leaf: {}, grad: {}, grad_fn: {}.'
.format(x.requires_grad, x.is_leaf, x.grad, x.grad_fn)
)
print(
'y requires grad: {}, is leaf: {}, grad: {}, grad_fn: {}.'
.format(y.requires_grad, y.is_leaf, y.grad, y.grad_fn)
)
print(
'z requires grad: {}, is leaf: {}, grad: {}, grad_fn: {}.'
.format(z.requires_grad, z.is_leaf, z.grad, z.grad_fn)
)
运行结果：
x requires grad: True, is leaf: True, grad: None, grad_fn: None.
y requires grad: True, is leaf: False, grad: None, grad_fn: <PowBackward0 object at 0x0000021A3002CD88>.
z requires grad: True, is leaf: False, grad: None, grad_fn: <AddBackward0 object at 0x0000021A3002CD88>.
2 torch.autograd.backward
如下代码：
x = torch.tensor(1.0, requires_grad=True) y = torch.tensor(2.0, requires_grad=True) z = x**2+y z.backward() print(z, x.grad, y.grad) >>> tensor(3., grad_fn=<AddBackward0>) tensor(2.) tensor(1.)
当 z 是一个标量，当调用它的 backward 方法后会根据链式法则自动计算出叶子节点的梯度值。
但是如果遇到 z 是一个向量或者是一个矩阵的情况，这个时候又该怎么计算梯度呢？这种情况我们需要定义grad_tensor来计算矩阵的梯度。
在介绍为什么使用之前我们先看一下源代码中backward的接口是如何定义的：
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。也就是说这两种方式是等价的：torch.autograd.backward(z) == z.backward()
grad_tensors: 在计算非标量的梯度时会用到。他其实也是一个tensor，它的shape一般需要和前面的tensor保持一致。
retain_graph: 通常在调用一次 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。
pytorch设计了grad_tensors这么一个参数。它的作用相当于“权重”。
先看一个例子：
x = torch.ones(2,requires_grad=True) z = x + 2 z.backward() >>> ... RuntimeError: grad can be implicitly created only for scalar outputs
上面的报错信息意思是只有对标量输出它才会计算梯度，而求一个矩阵对另一矩阵的导数束手无策。
x = torch.ones(2,requires_grad=True) z = x + 2 z.sum().backward() print(x.grad) >>> tensor([1., 1.])
而grad_tensors这个参数就扮演了帮助求和的作用。
换句话说，就是对 Z 和一个权重张量grad_tensors进行 hadamard product 后求和。这也是 grad_tensors 需要与传入的 tensor 大小一致的原因。
x = torch.ones(2,requires_grad=True) z = x + 2 z.backward(torch.ones_like(z)) # grad_tensors需要与输入tensor大小一致 print(x.grad) >>> tensor([1., 1.])
3 torch.autograd.grad
torch.autograd.grad(
outputs,
inputs,
grad_outputs=None,
retain_graph=None,
create_graph=False,
only_inputs=True,
allow_unused=False)
看了前面的内容后再看这个函数就很好理解了，各参数作用如下：
outputs: 结果节点，即被求导数
inputs: 叶子节点
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。
注意该函数返回的是 tuple 类型。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持hwidc。如有错误或未考虑完全的地方，望不吝赐教。