淺談pytorch中為什麼要用 zero_grad() 將梯度清零

pytorch中為什麼要用 zero_grad() 將梯度清零

調用backward()函數之前都要將梯度清零,因為如果梯度不清零,pytorch中會將上次計算的梯度和本次計算的梯度累加。

這樣邏輯的好處是,當我們的硬件限制不能使用更大的bachsize時,使用多次計算較小的bachsize的梯度平均值來代替,更方便,壞處當然是每次都要清零梯度。

optimizer.zero_grad()
output = net(input)
loss = loss_f(output, target)
loss.backward()

補充:Pytorch 為什麼每一輪batch需要設置optimizer.zero_grad

CSDN上有人寫過原因,但是其實寫得繁瑣瞭。

根據pytorch中的backward()函數的計算,當網絡參量進行反饋時,梯度是被積累的而不是被替換掉;但是在每一個batch時毫無疑問並不需要將兩個batch的梯度混合起來累積,因此這裡就需要每個batch設置一遍zero_grad 瞭。

其實這裡還可以補充的一點是,如果不是每一個batch就清除掉原有的梯度,而是比如說兩個batch再清除掉梯度,這是一種變相提高batch_size的方法,對於計算機硬件不行,但是batch_size可能需要設高的領域比較適合,比如目標檢測模型的訓練。

關於這一點可以參考這裡

關於backward()的計算可以參考這裡

補充:pytorch 踩坑筆記之w.grad.data.zero_()

在使用pytorch實現多項線性回歸中,在grad更新時,每一次運算後都需要將上一次的梯度記錄清空,運用如下方法:

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

但是,運行程序就會報如下錯誤:

報錯,grad沒有data這個屬性,

原因是,在系統將w的grad值初始化為none,第一次求梯度計算是在none值上進行報錯,自然會沒有data屬性

修改方法:添加一個判斷語句,從第二次循環開始執行求導運算

for i in range(100):
    y_pred = multi_linear(x_train)
    loss = getloss(y_pred,y_train)
    if i != 0:
        w.grad.data.zero_()
        b.grad.data.zero_()
    loss.backward()
    w.data = w.data - 0.001 * w.grad.data
    b.data = b.data - 0.001 * b.grad.data

以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。

推薦閱讀: