Pytorch反向传播中的细节-计算梯度时的默认累加操作

Pytorch反向传播计算梯度默认累加

今天学习pytorch实现简单的线性回归，发现了pytorch的反向传播时计算梯度采用的累加机制， 于是百度来一下，好多博客都说了累加机制，但是好多都没有说明这个累加机制到底会有啥影响， 所以我趁着自己练习的一个例子正好直观的看一下以及如何解决：

pytorch实现线性回归

先附上试验代码来感受一下：

torch.manual_seed(6)
lr = 0.01   # 学习率
result = []

# 创建训练数据
x = torch.rand(20, 1) * 10
y = 2 * x + (5 + torch.randn(20, 1)) 

# 构建线性回归函数
w = torch.randn((1), requires_grad=True)
b = torch.zeros((1), requires_grad=True)
# 这里是迭代过程，为了看pytorch的反向传播计算梯度的细节，我先迭代两次
for iteration in range(2):

    # 前向传播
    wx = torch.mul(w, x)
    y_pred = torch.add(wx, b)

    # 计算 MSE loss
    loss = (0.5 * (y - y_pred) ** 2).mean()

    # 反向传播
    loss.backward()

    # 这里看一下反向传播计算的梯度
    print("w.grad:", w.grad)
    print("b.grad:", b.grad)

    # 更新参数
    b.data.sub_(lr * b.grad)
    w.data.sub_(lr * w.grad)

上面的代码比较简单，迭代了两次， 看一下计算的梯度结果：

w.grad: tensor([-74.6261])
b.grad: tensor([-12.5532])
w.grad: tensor([-122.9075])
b.grad: tensor([-20.9364])

然后我稍微加两行代码， 就是在反向传播上面，我手动添加梯度清零操作的代码，再感受一下结果：

torch.manual_seed(6)
lr = 0.01
result = []
# 创建训练数据
x = torch.rand(20, 1) * 10
#print(x)
y = 2 * x + (5 + torch.randn(20, 1))
#print(y)
# 构建线性回归函数
w = torch.randn((1), requires_grad=True)
#print(w)
b = torch.zeros((1), requires_grad=True)
#print(b)
for iteration in range(2):
    # 前向传播
    wx = torch.mul(w, x)
    y_pred = torch.add(wx, b)

    # 计算 MSE loss
    loss = (0.5 * (y - y_pred) ** 2).mean()

    # 由于pytorch反向传播中，梯度是累加的，所以如果不想先前的梯度影响当前梯度的计算，需要手动清0
     if iteration > 0:
        w.grad.data.zero_()
        b.grad.data.zero_()

    # 反向传播
    loss.backward()

    # 看一下梯度
    print("w.grad:", w.grad)
    print("b.grad:", b.grad)

    # 更新参数
    b.data.sub_(lr * b.grad)
    w.data.sub_(lr * w.grad)

w.grad: tensor([-74.6261])
b.grad: tensor([-12.5532])
w.grad: tensor([-48.2813])
b.grad: tensor([-8.3831])

从上面可以发现，pytorch在反向传播的时候，确实是默认累加上了上一次求的梯度， 如果不想让上一次的梯度影响自己本次梯度计算的话，需要手动的清零。

但是， 如果不进行手动清零的话，会有什么后果呢？ 我在这次线性回归试验中，遇到的后果就是loss值反复的震荡不收敛。下面感受一下：

torch.manual_seed(6)
lr = 0.01
result = []
# 创建训练数据
x = torch.rand(20, 1) * 10
#print(x)
y = 2 * x + (5 + torch.randn(20, 1))
#print(y)
# 构建线性回归函数
w = torch.randn((1), requires_grad=True)
#print(w)
b = torch.zeros((1), requires_grad=True)
#print(b)

for iteration in range(1000):
    # 前向传播
    wx = torch.mul(w, x)
    y_pred = torch.add(wx, b)

    # 计算 MSE loss
    loss = (0.5 * (y - y_pred) ** 2).mean()
#     print("iteration {}: loss {}".format(iteration, loss))
    result.append(loss)

    # 由于pytorch反向传播中，梯度是累加的，所以如果不想先前的梯度影响当前梯度的计算，需要手动清0
    #if iteration > 0:
    #    w.grad.data.zero_()
    #    b.grad.data.zero_()

    # 反向传播
    loss.backward()

    # 更新参数
    b.data.sub_(lr * b.grad)
    w.data.sub_(lr * w.grad)

    if loss.data.numpy() < 1:
        break
   plt.plot(result)

上面的代码中，我没有进行手动清零，迭代1000次， 把每一次的loss放到来result中， 然后画出图像，感受一下结果：

接下来，我把手动清零的注释打开，进行每次迭代之后的手动清零操作，得到的结果：

可以看到，这个才是理想中的反向传播求导，然后更新参数后得到的loss值的变化。

总结

这次主要是记录一下，pytorch在进行反向传播计算梯度的时候的累加机制到底是什么样子？ 至于为什么采用这种机制，我也搜了一下，大部分给出的结果是这样子的：

但是如果不想累加的话，可以采用手动清零的方式，只需要在每次迭代时加上即可

w.grad.data.zero_()
b.grad.data.zero_()

另外， 在搜索资料的时候，在一篇博客上看到两个不错的线性回归时pytorch的计算图在这里借用一下：

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。