PyTorch 多个网络反向传播时出现梯度计算错误

最新推荐文章于 2025-04-22 18:13:09 发布

AdamShyly

最新推荐文章于 2025-04-22 18:13:09 发布

阅读量967

点赞数 9

分类专栏： AI算法文章标签：深度学习人工智能 pytorch

本文链接：https://blog.csdn.net/Adam_captain/article/details/136613202

版权

AI算法专栏收录该内容

3 篇文章

订阅专栏

本文讲述了作者在使用PyTorch实现MADDPG算法时遇到的RuntimeError，原因在于没有正确地顺序计算actor和critic网络的损失并进行反向传播。解决方法是将每个网络的loss计算和backward操作分开。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

torch具体报错内容如下

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.FloatTensor [128, 1]], which is output 0 of AsStridedBackward0, is at version 
2; expected version 1 instead. Hint: enable anomaly detection to 
find the operation that failed to compute its gradient, with torch.autograd.set_detect_anomaly(True).

我现在正在做的算法是关于强化学习MADDPG，需要用到两个网络actor和critic

经过调试之后发现，我在计算出critic loss之后并没有进行critic网络的反向传播，而是开始计算actor loss。两个网络的loss都计算完毕后才开始进行反向传播就会出现上述报错。

解决方法就是将两个网络的loss和backward都单独封装计算即可