RuntimeError: one of the variables needed for gradient computation has been modified by an inplace

@[TOC](RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [1, 1, 88, 512, 512]], which is output 0 of SigmoidBackward0, is at version 1; expected version 0 instead. Hint: enable anomaly detection to find the operation that failed to compute its gradient, with torch.autograd.set_detect_anomaly(True).
)

RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [1, 1, 88, 512, 512]], which is output 0 of SigmoidBackward0, is at version 1; expected version 0 instead. Hint: enable anomaly detection to find the operation that failed to compute its gradient, with torch.autograd.set_detect_anomaly(True).

定位torch.cuda.FloatTensor [1, 1, 88, 512, 512]

这里可以看到，有一个尺寸为 [1, 1, 88, 512, 512]的参数存在问题！！！！！

那么问题出在哪里呢？

我的问题是出现在LOSS函数里的，那么就定位到LOSS函数之中。
查看所有shape为[1, 1, 88, 512, 512]的参数。

可以使用 np.shape(),或者.size（）查看参数的shape

找到这些参数后，逐一排查，是否有一些初始化的过程，这个过程会导致参数无法反向传播，因为每次计算LOSS时，都会对该参数进行初始化，如下：

 dvh_loss = torch.zeros_like(gt_dose_o)

这里后续会对dvh_loss进行计算得到一个loss，加入最后的LOSS之中，因此在反向传播时会涉及该参数，但是由于在LOSS函数中对其进行了初始化，导致无法反向传播。

只能帮助找到问题，具体修改还得看具体情况，
通常是使用已有的参数进行组合操作。