【已解决】RuntimeError: Trying to backward through the graph a second time (or directly access saved tens

 问题描述

Traceback (most recent call last):
  File "/home/sysu/qfy/project/GCL/GCL/Main.py", line 281, in <module>
    main(args)
  File "/home/sysu/qfy/project/GCL/GCL/Main.py", line 200, in main
    loss, Matrix = train(encoder_model, args, data, optimizer, epoch)
  File "/home/sysu/qfy/project/GCL/GCL/Main.py", line 153, in train
    loss.backward()
  File "/home/sysu/qfy/anaconda3/envs/gclv1/lib/python3.8/site-packages/torch/_tensor.py", line 487, in backward
    torch.autograd.backward(
  File "/home/sysu/qfy/anaconda3/envs/gclv1/lib/python3.8/site-packages/torch/autograd/__init__.py", line 200, in backward
    Variable._execution_engine.run_backward(  # Calls into the C++ engine to run the backward pass
RuntimeError: Trying to backward through the graph a second time (or directly access saved tensors after they have already been freed). Saved intermediate values of the graph are freed when you call .backward() or autograd.grad(). Specify retain_graph=True if you need to backward through the graph a second time or if you need to access saved tensors after calling backward.

解决办法 

        1、解决方法直出

        为什么会报这个错，这个错翻译成白话文就是说：当我们第二次backward的时候，计算图的结构已经被破坏了（buffer的梯度被释放了），这也是pytorch动态图的机制，可以节省内存。

        在pytorch的计算图中，其实只有两种元素：tensor和function，function就是加减乘除、开方、幂指对、三角函数等可求导运算，而tensor可细分为两类：叶子节点(leaf node)和非叶子节点。使用backward()函数反向传播计算tensor的梯度时，并不计算所有tensor的梯度，而是只计算满足这几个条件的tensor的梯度：1.类型为叶子节点、2.requires_grad=True、3.依赖该tensor的所有tensor的requires_grad=True。

        而报这个错的原因很简单，就是在进行训练的时候，由于是在下一次循环的时候前一次的计算图已经被释放了，所以下次计算就会出现问题，那怎么办呢？就把计算图保留下来就可以了

 .backward()
改为
 .backward(retain_graph=True)

        这个时候就不会再出错了  

        2、示例程序：在占用较少缓存情况下进行更新        

def train(t0,t1,z0,z1,z2):
    for i in range(10):        #迭代10次
        sum = 0
        optimizer.zero_grad()     #梯度清零
        z1 = cal(t0,z0,t1,z1.data,z2)   #调用函数计算z1
        #z1 = relu(torch.mm(t0, z0) - torch.mm(torch.t(t1), relu(torch.mm(t1, z1.data)) - z2))
        loss=cri(out,z1)            #计算反向传播的loss
        sum+=loss.item()            #loss值计算
        print(loss)        
        loss.backward(torch.ones_like(out))    #反向传播，里面参数设置可以自行查阅
        optimizer.step()        #梯度更新
        print(t0.grad,t1.grad)    #打印需要更新的参数的梯度

————————————————
版权声明：本文为CSDN博主「toroxy」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/toro12306/article/details/121094110

        很明显可以看出来，再循环中是要对z1进行更新的

        z1是通过  z1 = cal(t0,z0,t1,z1,z2) 得到的，这里z1是已经定义了的变量，但是经过这个公式又把z1更新覆盖了，虽然说这个错误可以在最后loss.backward()函数里加上retain_graph=Ture，即loss.backward(retain_graph=Ture)解决，但是这会增加显存的使用，明显当任务需要较大的计算量时，这是不合理的，所以这种方案并不是最优的。

        而我的解决方案是对 z1 = cal(t0,z0,t1,z1,z2) 进行了简单的修改，只需要在我们需要更新的参数，这里是z1，后面加上 .data 即可，此时这句变为了 z1 = cal(t0,z0,t1,z1.data,z2)，这样不会报错，并且显存占用也很少，这样做的原因我觉得和with torch.no_grad()类似，这里进行计算的z1.data数据是不存在梯度的，在整个计算过程中也是不存在梯度的，而这里的z1本身又是中间变量，没有梯度，也不需要求梯度，所以此方法可行。

        发现可以收敛，参数正常更新，也不会报错。       

其他建议

        这个错误表明在你的代码中尝试对计算图进行第二次反向传播，或者在计算图中的某些保存的中间值已经被释放后，再次尝试访问它们。这通常是由于没有正确处理计算图的释放或者多次反向传播导致的。

        以下是一些建议来解决这个问题：

        1、确保只调用一次 backward：

        在你的代码中，确保只调用了一次 loss.backward()。如果你在训练循环中多次调用了 backward，这可能导致问题。

        2、检查是否需要 retain_graph：

        如果你在训练循环中有多个优化步骤，确保你在每个步骤中都使用了新的输入，或者使用了 retain_graph=True 参数来保留计算图，以便多次反向传播。loss.backward(retain_graph=True)

请注意，使用 retain_graph=True 可能会导致 GPU 内存占用增加，因此要小心使用。

        3、释放不再需要的变量：

        在训练循环结束时，确保释放不再需要的中间变量，可以使用 del 关键字或者将其设置为 None。

# 释放不再需要的变量 intermediate_result = None

        4、检查模型和优化器的状态：

        在训练循环结束时，确保你的模型和优化器都处于正确的状态。你可能需要在每个训练步骤之前调用 optimizer.zero_grad() 来清除梯度。optimizer.zero_grad()

        5、使用 PyTorch 内置调试工具：

        使用 torch.autograd.detect_anomaly() 来捕捉异常的计算图操作。这有助于定位导致问题的操作。原理可参考下图

完结撒花

        如果总和一个经常闹矛盾的人打交道，两个人中至少有一个不正常！