渐变在拥抱脸模块中返回无
Posted
技术标签:
【中文标题】渐变在拥抱脸模块中返回无【英文标题】:Gradients returning None in huggingface module 【发布时间】:2021-02-25 14:30:01 【问题描述】:我想从 pytorch/huggingface 模型中获取嵌入层的梯度。这是一个最小的工作示例:
from transformers import pipeline
nlp = pipeline("zero-shot-classification", model="facebook/bart-large-mnli")
responses = ["I'm having a great day!!"]
hypothesis_template = 'This person feels '
candidate_labels = ['happy', 'sad']
nlp(responses, candidate_labels, hypothesis_template=hypothesis_template)
我可以很好地提取 logits,
inputs = nlp._parse_and_tokenize(responses, candidate_labels, hypothesis_template)
predictions = nlp.model(**inputs, return_dict=True, output_hidden_states=True)
predictions['logits']
模型返回一个我感兴趣的层。我尝试保留我感兴趣的单个 logit 的梯度和反向传播:
layer = predictions['encoder_hidden_states'][0]
layer.retain_grad()
predictions['logits'][0][2].backward(retain_graph=True)
但是,layer.grad == None
无论我尝试什么。模型的其他命名参数计算了它们的梯度,所以我不确定我做错了什么。如何获得encoder_hidden_states的grad?
【问题讨论】:
你能检查嵌入层是否可训练吗? @SergeyBushmanov 我不知道该怎么做,我确实检查了layer.requires_grad==True
,但这是别的吗?
Keras 层具有trainable
属性。我相信 tf/pytorch 应该存在类似的东西
不确定我是否误解了你的问题,但predictions['encoder_hidden_states'][0]
不是一层。它是一个层的输出。
@cronoik 这可能是我的误解。我想要输入 w.r.t 的梯度。最终的逻辑之一。理想情况下,如果有意义的话,这将是在热编码之后。
【参考方案1】:
我也对这个问题感到非常惊讶。尽管我从未使用过该库,但我还是进行了一些调试,发现问题出在库转换器上。问题来自line:
encoder_states = tuple(hidden_state.transpose(0, 1) for hidden_state in encoder_states)
如果您将其注释掉,您将获得仅带有一些尺寸转置的渐变。 这个问题与 here 提到的 Pytorch Autograd 在就地操作上表现不佳有关。
所以总结一下解决方案是在 modeling_bart.py
中评论第 382 行。
您将获得具有此形状的渐变 T x B x C 而不是 B x T x C,但您可以稍后根据需要重新调整它。
【讨论】:
就是这样!您找到它并提供了它失败的原因给我留下了深刻的印象。我要把这个带到拥抱脸论坛上,我认为如果没有疯狂的猴子补丁可能会很好。 是的,我认为这应该是一个“简单”的解决方法。 这似乎是导致问题的行,但它不是就地操作,所以我不确定解释是否有意义。也许是 PyTorch 问题? 嗨,我遇到了同样的问题,注释掉这一行并不能解决问题。更具体地说,我想获得 RoBERTa 模型中的梯度,它不会转置隐藏状态,layer.grad
仍然是 None。我是否错过了示例代码(在问题中)中的某些内容来获取渐变?我的变形金刚版本是 4.3.2。谢谢!以上是关于渐变在拥抱脸模块中返回无的主要内容,如果未能解决你的问题,请参考以下文章