找不到就地操作:梯度计算所需的变量之一已被就地操作修改
Posted
技术标签:
【中文标题】找不到就地操作:梯度计算所需的变量之一已被就地操作修改【英文标题】:can't find the inplace operation: one of the variables needed for gradient computation has been modified by an inplace operation 【发布时间】:2019-05-10 11:55:03 【问题描述】:我正在尝试计算网络的雅可比损失(即执行双反向传播),我收到以下错误: RuntimeError:梯度计算所需的变量之一已被就地操作修改
我的代码中找不到inplace操作,所以不知道要修复哪一行。
*最后一行出现错误: loss3.backward()
inputs_reg = Variable(data, requires_grad=True)
output_reg = self.model.forward(inputs_reg)
num_classes = output.size()[1]
jacobian_list = []
grad_output = torch.zeros(*output_reg.size())
if inputs_reg.is_cuda:
grad_output = grad_output.cuda()
jacobian_list = jacobian.cuda()
for i in range(10):
zero_gradients(inputs_reg)
grad_output.zero_()
grad_output[:, i] = 1
jacobian_list.append(torch.autograd.grad(outputs=output_reg,
inputs=inputs_reg,
grad_outputs=grad_output,
only_inputs=True,
retain_graph=True,
create_graph=True)[0])
jacobian = torch.stack(jacobian_list, dim=0)
loss3 = jacobian.norm()
loss3.backward()
【问题讨论】:
grad_output.zero_()
似乎是就地操作。您可能在self.model
中进行了就地操作。
grad_output.zero_()
是就地操作。在 PyTorch 中,就地操作以下划线结尾。我想你想写 `grad_output.zero_grad()
在将新列(对应于我希望计算梯度的输出)设置为 1 之前,我需要将 grad_output 归零。所以我将 grad_output.zero_() 更改为 grad_output[:,i-1] = 0 并没有帮助。
实际上我上面描述的是将一个就地操作替换为另一个。
【参考方案1】:
您可以使用set_detect_anomaly
function available in autograd
包来准确查找导致错误的行。
这是link,它描述了相同的问题以及使用上述功能的解决方案。
【讨论】:
【参考方案2】:grad_output.zero_()
是就地的,grad_output[:, i-1] = 0
也是。就地意味着“修改张量而不是返回已应用修改的新张量”。一个未就地的示例解决方案是torch.where
。将第一列归零的示例
import torch
t = torch.randn(3, 3)
ixs = torch.arange(3, dtype=torch.int64)
zeroed = torch.where(ixs[None, :] == 1, torch.tensor(0.), t)
zeroed
tensor([[-0.6616, 0.0000, 0.7329],
[ 0.8961, 0.0000, -0.1978],
[ 0.0798, 0.0000, -1.2041]])
t
tensor([[-0.6616, -1.6422, 0.7329],
[ 0.8961, -0.9623, -0.1978],
[ 0.0798, -0.7733, -1.2041]])
注意t
如何保留它之前的值,而zeroed
拥有你想要的值。
【讨论】:
【参考方案3】:谢谢! 我将 grad_output 中的就地操作有问题的代码替换为:
inputs_reg = Variable(data, requires_grad=True)
output_reg = self.model.forward(inputs_reg)
num_classes = output.size()[1]
jacobian_list = []
grad_output = torch.zeros(*output_reg.size())
if inputs_reg.is_cuda:
grad_output = grad_output.cuda()
for i in range(5):
zero_gradients(inputs_reg)
grad_output_curr = grad_output.clone()
grad_output_curr[:, i] = 1
jacobian_list.append(torch.autograd.grad(outputs=output_reg,
inputs=inputs_reg,
grad_outputs=grad_output_curr,
only_inputs=True,
retain_graph=True,
create_graph=True)[0])
jacobian = torch.stack(jacobian_list, dim=0)
loss3 = jacobian.norm()
loss3.backward()
【讨论】:
请注意,grad_output_curr[:, i] = 1
行仍然是就地操作,可能(也可能不会)进一步造成麻烦。以上是关于找不到就地操作:梯度计算所需的变量之一已被就地操作修改的主要内容,如果未能解决你的问题,请参考以下文章
RuntimeError:梯度计算所需的变量之一已被就地操作修改
遇到 RuntimeError:梯度计算所需的变量之一已被就地操作修改
RuntimeError:梯度计算所需的变量之一已被就地操作修改:PyTorch 错误
Pytorch LSTM-VAE Sentence Generator:RuntimeError:梯度计算所需的变量之一已被就地操作修改