Pytorch反向传播中的细节-计算梯度时的默认累加操作(梯度累加)

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：