报错信息
RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn
原因
算loss的时候出了问题导致 loss.requires_grad=False
具体原因因人而异,可能是在算loss的过程中没有严格用tensor计算,中间利用了python list啥的把计算图搞没了;或者最后一层/最后一个模型的requires_grad=False
导致传到loss这里的时候也是requires_grad=False
我的原因
我的原因有点离谱,属于上面说的第一种,NMT+RL是一个常见的场景,其中有一步需要抽出multinomial sample出来的token对应的prob,然后计算他们的log sum,我原来的实现如下:
log_probs = []
for i in ...:
new_cdr = torch.multinomial(cur_seq_prob, num_samples=1).squeeze()
select_prob = torch.tensor([cur_seq_prob[i][new_cdr[i]] for i in range(cur_seq_prob.shape[0])], device=X.device)
log_probs.append(torch.log(select_prob).sum())
在算select_prob的时候是新建一个list来一个个提取这些prob的,所以把梯度搞没了
最后参考:https://pytorch.org/docs/stable/distributions.html#torch.distributions.categorical.Categorical.log_prob 改好了:
log_probs = []
for i in ...:
new_cdr = torch.multinomial(cur_seq_prob, num_samples=1)
value, log_pmf = torch.broadcast_tensors(new_cdr, cur_seq_prob)
value = value[..., :1]
select_prob = log_pmf.gather(-1, value).squeeze(-1)
log_probs.append(torch.log(select_prob).sum())