自动微分#

在训练神经网络时，最常用的算法是 反向传播 （back propagation）。在该算法中，参数（模型权值）根据损失函数相对于给定参数的梯度（gradient）进行调整。

为了计算这些梯度，PyTorch 内置了名为 torch.autograd 的微分引擎。它对任何计算图，支持自动计算梯度。

考虑最简单的单层神经网络，输入 x，参数 w 和 b，以及一些损失函数。它可以在 PyTorch 中以如下方式定义：

import torch

x = torch.ones(5)  # 输入 tensor
y = torch.zeros(3)  # 期望的 output
w = torch.randn(5, 3, requires_grad=True)
b = torch.randn(3, requires_grad=True)
z = torch.matmul(x, w)+b
loss = torch.nn.functional.binary_cross_entropy_with_logits(z, y)

张量、函数和计算图#

上面的代码定义了如下计算图：

在这个网络中，w 和 b 是需要优化的参数。因此，需要能够计算相对于这些变量的损失函数的梯度。为了做到这一点，设置这些张量的 requires_grad 属性。

备注

可以在创建张量时设置 requires_grad 的值，或者稍后使用 x.requires_grad_(True) 方法。

应用在张量上构造计算图的函数实际上是 Function 类的对象。该对象知道如何在前向过程计算损失，也知道如何在反向传播步骤中计算其导数。对向后传播函数的引用存储在张量的 grad_fn 属性中。

print(f"Gradient function for z = {z.grad_fn}")
print(f"Gradient function for loss = {loss.grad_fn}")

Gradient function for z = <AddBackward0 object at 0x7f37c1abe2f0>
Gradient function for loss = <BinaryCrossEntropyWithLogitsBackward0 object at 0x7f37c1abe560>

计算梯度#

为了优化神经网络中参数的权值，需要计算损失函数对参数的导数，即在 x 和 y 的某些固定值下，需要计算 \(\frac{\partial loss}{\partial b}\) 和 \(\frac{\partial loss}{\partial w}\)。为了计算这些导数，调用 loss.backward()，然后从 w.grad 和 b.grad 检索值：

loss.backward()
print(w.grad)
print(b.grad)

tensor([[0.0234, 0.2205, 0.2532],
        [0.0234, 0.2205, 0.2532],
        [0.0234, 0.2205, 0.2532],
        [0.0234, 0.2205, 0.2532],
        [0.0234, 0.2205, 0.2532]])
tensor([0.0234, 0.2205, 0.2532])

备注

只能获得计算图的叶节点的 grad 属性，它们的 requires_grad 属性设置为 True。对于图中的所有其他节点，梯度将不可用。
由于性能原因，只能在给定的图上使用一次 backward 梯度计算。如果需要对同一个图进行多次 backward 调用，则需要将 retain_graph=True 传递给 backward 调用。

禁用梯度追踪#

默认情况下，所有 requires_grad=True 的张量都会跟踪它们的计算历史，并支持梯度计算。但是，在某些情况下，不需要这样做，例如，训练模型后，只是想把它应用到一些输入数据上，即只想通过网络进行正向计算。可以通过使用 torch.no_grad() 块包围计算代码来停止跟踪计算：

z = torch.matmul(x, w)+b
print(z.requires_grad)

with torch.no_grad():
    z = torch.matmul(x, w)+b
print(z.requires_grad)

True
False

另一种实现相同结果的方法是对张量使用 detach() 方法：

z = torch.matmul(x, w)+b
z_det = z.detach()
print(z_det.requires_grad)

False

以下是禁用梯度跟踪的原因：

将神经网络中的一些参数标记为 冻结参数 （frozen parameters）。这是对预训练的网络进行微调的非常常见的场景。
在只进行正向传播的情况下 加快计算速度，因为在不跟踪梯度的张量上的计算将更加有效。

选读：张量梯度和雅可比积#

在很多情况下，损失函数是标量的，需要计算关于一些参数的梯度。然而，也有输出函数是任意张量的情况。在这种情况下，PyTorch 允许你计算所谓的雅可比乘积（Jacobian product），而不是实际的梯度。

对于向量函数 \(\vec{y}=f(\vec{x})\)，其中 \(\vec{x}=\langle x_1,\dots,x_n\rangle\) 和 \(\vec{y}=\langle y_1,\dots,y_m\rangle\)，\(\vec{y}\) 对 \(\vec{x}\) 的梯度雅可比矩阵：

\[\begin{split} \begin{align}J=\left(\begin{array}{ccc} \frac{\partial y_{1}}{\partial x_{1}} & \cdots & \frac{\partial y_{1}}{\partial x_{n}}\\ \vdots & \ddots & \vdots\\ \frac{\partial y_{m}}{\partial x_{1}} & \cdots & \frac{\partial y_{m}}{\partial x_{n}} \end{array}\right) \end{align} \end{split}\]

与计算雅可比矩阵本身不同，PyTorch 允许你为给定的输入向量 \(v=(v_1 \dots v_m)\) 计算雅可比积 \(v^T\cdot J\)。这是通过 backward 调用参数 \(v\) 实现的。\(v\) 的大小应该和原始张量的大小一样，要根据它来计算乘积：

inp = torch.eye(5, requires_grad=True)
out = (inp+1).pow(2)
out.backward(torch.ones_like(inp), retain_graph=True)
print(f"First call\n{inp.grad}")
out.backward(torch.ones_like(inp), retain_graph=True)
print(f"\nSecond call\n{inp.grad}")
inp.grad.zero_()
out.backward(torch.ones_like(inp), retain_graph=True)
print(f"\nCall after zeroing gradients\n{inp.grad}")

First call
tensor([[4., 2., 2., 2., 2.],
        [2., 4., 2., 2., 2.],
        [2., 2., 4., 2., 2.],
        [2., 2., 2., 4., 2.],
        [2., 2., 2., 2., 4.]])

Second call
tensor([[8., 4., 4., 4., 4.],
        [4., 8., 4., 4., 4.],
        [4., 4., 8., 4., 4.],
        [4., 4., 4., 8., 4.],
        [4., 4., 4., 4., 8.]])

Call after zeroing gradients
tensor([[4., 2., 2., 2., 2.],
        [2., 4., 2., 2., 2.],
        [2., 2., 4., 2., 2.],
        [2., 2., 2., 4., 2.],
        [2., 2., 2., 2., 4.]])

小心

当使用相同的参数第二次调用 backward 时，梯度的值是不同的。这是因为在做反向传播时，PyTorch 会对梯度进行累加，即计算出的梯度的值被添加到计算图的所有叶子节点的 grad 属性中。如果你想计算正确的梯度，你需要在此之前将 grad 属性归零。在现实训练中，优化器可以帮助做到这一点。

备注

以前调用的是不带参数的 backward() 函数。这本质上相当于调用 backward(torch.tensor(1.0))，对于标量值函数（如神经网络训练期间的 loss），这是一种计算梯度的有用方法。

自动微分

导航

自动微分#

张量、函数和计算图#

计算梯度#

禁用梯度追踪#

更多关于计算图的内容#

选读：张量梯度和雅可比积#