点击上方,选择星标或置顶,每天给你送干货!
阅读大概需要4分钟
跟随小博主,每天进步一丢丢
来自 | 知乎
地址 | https://zhuanlan.zhihu.com/p/263827804
作者 | 侠肝义胆陈浩天
编辑 | 机器学习算法与自然语言处理公众号
本文仅作学术分享,若侵权,请联系后台删文处理
实现梯度反转非常多坑,我来一一总结。
首先是pytorch版本的问题,一般旧版的这样写,定义一个类,然后用函数的方式去调用:
from torch.autograd import Function
class GradReverse(Function):
def __init__(self, lambd):
self.lambd = lambd
def forward(self, x):
return x.view_as(x)
def backward(self, grad_output):
return (grad_output * -self.lambd)
def grad_reverse(x, lambd=1.0):
return GradReverse(lambd)(x)
不过现在这种写法已经不行了,我现在的版本是1.6.0。上面报错的解决方案十分简单,而且直接告诉你怎么改:
RuntimeError: Legacy autograd function with non-static forward method is deprecated.
Please use new-style autograd function with static forward method.
# 直接让你参考:
https://pytorch.org/docs/stable/autograd.html#torch.autograd.Function
我们看看官网给出的例子:
和原来的区别:
无需init了,直接转成静态: staticmethod;
在调用的时候,直接使用类名.apply使用;
需要传参的时候,是这样写: ctx.lambda = lambda
这里注意,第一个参数必须是ctx. (Context method mixins),估计也是一种重复使用的组件之类的。。。以后补充
它这里的解释我也看得不是很明白。
注意这里还可能会在backward的时候报错:
Runtime Error: returned an incorrect number of gradients
这里的意思就是说程序默认返回所有forward参数个数的loss,i.e. 为每一个输入参数返回loss,现在我们并不需要给所有参数返回loss,只需要给input tensor返回就够了,其他的直接返回None就ok了。
追求完美的人记得在重写的时候把其他参数也带上,不然有warning。
最后改写成:
class GradReverse(Function):
# 重写父类方法的时候,最好添加默认参数,不然会有warning
@ staticmethod
def forward(ctx, x, lambd, **kwargs: None):
ctx.lambd = lambd
return x.view_as(x)
@staticmethod
def backward(ctx, *grad_output):
return grad_output * -ctx.lambd, None
补充说明,一定要注意Grad Reverse应用在叶子节点之前!!写了一个简单的程序来说明:
如图所示,不会影响到Linear_3
结合GAN理解
为什么不能直接在loss前面几个负号?事实上它们原理一样的,比如我最近做的SSDA。
https://zhuanlan.zhihu.com/p/264763158
但其实直接对loss加个负号,或者不要负号这样取反,很容易会出现梯度爆炸的情况。加上梯度反转层,程序会在优化过程中不会优化得“太过分”。直接优化loss,没有比优化参数好,这里应该可以是用数学直接推导出来的,希望未来有时间我可以推一下。
比如说,在GAN中我们使用CrossEntropy作为我们的loss function. 显然 , 在更新Generator的时候假如说我们不要负号,就是maximize了。试想一下,pred会越来越小,导致导数 越来越大,最终出现梯度爆炸。事实上这正是为什么在GAN中discriminator为什么是每更新几次,再到generator更新的原因。这里也说明了直接加负号与梯度反转的区别。(李宏毅老师的解释:判别器比生成器训练的步数多是因为希望内层max能够更好的近似生成分布和真实样本分布之间的js散度。事实上就是必须要有一个好的“指导”discriminator,才能很好的“教会”generator)
能不能对Minimax问题有一个新的见识,启发?
下载一:中文版!学习TensorFlow、PyTorch、机器学习、深度学习和数据结构五件套!
后台回复【五件套】
下载二:南大模式识别PPT
后台回复【南大模式识别】
说个正事哈
由于微信平台算法改版,公号内容将不再以时间排序展示,如果大家想第一时间看到我们的推送,强烈建议星标我们和给我们多点点【在看】。星标具体步骤为:(1)点击页面最上方“深度学习自然语言处理”,进入公众号主页。(2)点击右上角的小点点,在弹出页面点击“设为星标”,就可以啦。
感谢支持,比心。投稿或交流学习,备注:昵称-学校(公司)-方向,进入DL&NLP交流群。
方向有很多:机器学习、深度学习,python,情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。记得备注呦
推荐两个专辑给大家:专辑 | 李宏毅人类语言处理2020笔记专辑 | NLP论文解读专辑 | 情感分析
整理不易,还望给个在看!