Pytorch (1.0) 中类似外观操作的不同 `grad_fn`

Posted 2023-03-12

【中文标题】Pytorch (1.0) 中类似外观操作的不同 `grad_fn`

【英文标题】：Different `grad_fn` for similar looking operations in Pytorch (1.0)

【发布时间】：2019-09-14 01:49:09

【问题描述】：

我正在研究一个注意力模型，在运行最终模型之前，我正在检查流经代码的张量形状。我有一个需要重塑张量的操作。张量的形状为torch.Size([[30, 8, 9, 64]])，其中30 是batch_size，8 是注意力头的数量（这与我的问题无关）9 是句子中的单词数，@ 987654327@ 是单词的一些中间嵌入表示。在进一步处理之前，我必须将张量重塑为 torch.size([30, 9, 512]) 的大小。所以我在网上寻找一些参考资料，他们做了以下x.transpose(1, 2).contiguous().view(30, -1, 512) 而我认为这应该可以工作x.transpose(1, 2).reshape(30, -1, 512)。

在第一种情况下grad_fn 是<ViewBackward>，而在我的情况下是<UnsafeViewBackward>。这两个不是同一个操作吗？这会导致训练错误吗？

【问题讨论】：

两个操作不同，所以得到不同的grad_fn。访问here了解更多信息。

【参考方案1】：

这两个不是同一个操作吗？

没有。虽然它们有效地产生相同的张量，但运算 are not the same，并且不能保证它们具有相同的 storage。

TensorShape.cpp:

// _unsafe_view() differs from view() in that the returned tensor isn't treated
// as a view for the purposes of automatic differentiation. (It's not listed in
// VIEW_FUNCTIONS in gen_autograd.py).  It's only safe to use if the `self` tensor
// is temporary. For example, the viewed tensor here (a + b) is discarded immediately
// after viewing:
//
//  res = at::_unsafe_view(a + b, size);
//
// This is a hack because in-place operations on tensors treated like views
// can be much more expensive than the same operations on non-view tensors.

请注意，如果应用于complex inputs，可能会产生错误，但这通常在 PyTorch 中尚未完全支持，并且不是此函数独有的。