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

Question

我正在尝试计算网络 jacobian 上的损失（即执行双重反向传播），并且出现以下错误：RuntimeError：梯度计算所需的变量之一已被原位操作修改

我在我的代码中找不到就地操作，所以我不知道要修复哪一行。

*错误发生在最后一行：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()

Answer 1

grad_output.zero_()就位， 也是如此grad_output[:, i-1] = 0。就地意味着“修改张量而不是返回应用了修改的新张量”。一个未就地解决方案的示例是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]])

请注意如何t保留它之前的值并zeroed具有您想要的值。

Answer 2

您可以利用包中set_detect_anomaly 可用 的函数autograd来准确查找导致错误的行。

这是使用上述功能描述相同问题和解决方案的链接。