遇到 RuntimeError: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】遇到 RuntimeError:梯度计算所需的变量之一已被就地操作修改【英文标题】:Encounter the RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation 【发布时间】:2020-01-03 03:42:34 【问题描述】:调用 .backward() 时出现以下错误:
代码如下:
for i, j, k in zip(X, Y, Z):
A[:, i, j] = A[:, i, j] + k
我尝试过 .clone()、torch.add() 等等。
请帮忙!
【问题讨论】:
X
、Y
和 Z
是什么?它们是数字列表还是张量列表?它们是涉及参数的操作的结果吗?
X 和 Y 是叶张量。 Z 是前一层产生的非叶张量。
很好,X,Y 中是否有重复的索引? (例如,对 (1,1) 是否出现两次或多次?)
是的,这就是我需要总结它们的原因。例如:(3, 9, 0.5), (3, 9, 0.4) 应该导致 (3, 9, 0.9)
A.shape: ([32, 300, 300]), X.shape, Y.shape: ([32, 200]) 和 Z.shape: ([32, 200, 1] )。
【参考方案1】:
在 cmets 之后,我对您想要完成的任务感到有些困惑。您提供的代码使用您在 cmets 中提供的尺寸给了我一个错误
Traceback (most recent call last):
A[:, i, j] = A[:, i, j] + k
RuntimeError: The size of tensor a (32) must match the size of tensor b (200) at non-singleton dimension 0
但这就是我认为你想要做的,如果这是错误的,请在 cmets 中纠正我......
给定张量 X
、Y
和 Z
,X
、Y
和 Z
的每个条目对应于坐标 (x,y) 和值 z。您想要的是在坐标 (x,y) 处将 z 添加到 A
。在大多数情况下,批次维度保持独立,尽管您发布的代码中的情况尚不清楚。现在这就是我假设你想要做的。
例如,假设A
包含全零,形状为 3x4x5,X
,Y
的形状为 3x3,Z
的形状为 3x3x1。对于此示例,我们假设 A
包含所有零开始,X
、Y
和 Z
具有以下值
X = tensor([[1, 2, 3],
[1, 2, 3],
[2, 2, 2]])
Y = tensor([[1, 2, 3],
[1, 2, 3],
[1, 1, 1]])
Z = tensor([[[0.1], [0.2], [0.3]],
[[0.4], [0.5], [0.6]],
[[0.7], [0.8], [0.9]]])
那么我们期望A
在操作后有以下值
A = tensor([[[0, 0, 0, 0, 0],
[0, 0.1, 0, 0, 0],
[0, 0, 0.2, 0, 0],
[0, 0, 0, 0.3, 0]],
[[0, 0, 0, 0, 0],
[0, 0.4, 0, 0, 0],
[0, 0, 0.5, 0, 0],
[0, 0, 0, 0.6, 0]],
[[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 2.4, 0, 0, 0],
[0, 0, 0, 0, 0]]])
为了实现这一点,我们可以使用index_add
函数,它允许我们添加到索引列表中。由于这只支持一维操作,我们首先需要将X
,Y
转换为扁平张量A
的线性索引。之后我们可以取消展平到原来的形状。
layer_size = A.shape[1] * A.shape[2]
index_offset = torch.arange(0, A.shape[0] * layer_size, layer_size).unsqueeze(1)
indices = (X * A.shape[2] + Y) + index_offset
A = A.view(-1).index_add(0, indices.view(-1), Z.view(-1)).view(A.shape)
【讨论】:
谢谢!事实上,这些对并不是唯一的,这就是我需要总结它们的原因。例如:(3, 9, 0.5), (3, 9, 0.4) 应该导致 (3, 9, 0.9) @natasha_667 我用一个也适用于非唯一情况的解决方案更新了答案。 谢谢!我在这里尝试过,但在尺寸方面出现错误。我会真诚的,我还不明白你的解决方案!以下是实际尺寸:A.shape: ([32, 300, 300]), X.shape, Y.shape: ([32, 200]) 和 Z.shape: ([32, 200, 1])。 我明白了,我担心 X 和 Y 上可能存在批量维度。我需要再次更新。第三次魅力! @natasha_667 我已经更新了答案,如果这回答了你的问题,请告诉我以上是关于遇到 RuntimeError: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: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