PyTorch内部机制的理解

反向传播与参数更新的理解

  首先，反向传播或许被称为“反向求导”更加合适，因为它只是个求导的过程，即计算中间参数的梯度。在PyTorch中，通过loss.backward()进行反向求导，关于loss.backward()有两点需要注意：【1】loss是标量（零维张量），只有标量才能直接使用 backward()；【2】loss.backward()的完整写法是loss.backward(retain_graph=False)，其中的形参retain_graph的意义在于是否保留计算图，默认为False，即在反向传播后，自动释放当前计算图，节省资源的同时，为下一次反向传播做好准备。
  一般情况下是每次迭代，只需一次 forward() 和一次 backward() 。但是不排除，由于自定义loss等有多个，网络需要计算多个不同loss的backward()产生的梯度，来更新参数。于是，如果在当前loss.backward()后，还需要执行其他loss的backward()，那么就需要在当前的loss.backward()时，指定保留计算图，即loss.backward(retain_graph=True)。
  需要特别注意的是，反向传播求导与网络参数更新是两个不同的过程。必须要先反向求导，再进行参数更新，其代码逻辑大致如下：

loss.backward() # 先在构建好的计算图进行反向传播，计算中间变量的梯度，计算完后，立即释放计算图
optimizer.step() # 根据计算好的梯度，进行网络的参数更新

计算图的概念

  计算图可以说是输入变量一直到输出变量的逻辑运算关系，是模型前向forward() 和后向求梯度backward() 的流程参照。这里需要注意的是，能获取回传梯度(grad)的只有计算图的叶节点（即输入节点，在loss.backward()后）。中间节点的梯度在计算求取并回传之后就会被释放掉，没办法获取。想要获取中间节点梯度，可以使用 register_hook （钩子）函数工具。当然， register_hook 不仅仅只有这个作用。

网络中间变量的梯度

  如上所述，，能获取回传梯度(grad)的只有计算图的叶节点（即输入节点，在loss.backward()后）。中间节点的梯度在计算求取并回传之后就会被释放掉，没办法获取。想要获取中间节点梯度，可以使用 register_hook （钩子）函数工具。

为什么需要optimizer.zero_grad()

  在编写Pytorch的训练代码时，下面一段代码是非常常见的：

	for i in range(batch): # 在每个Batch都执行如下操作
		# zero the parameter gradients
        optimizer.zero_grad()
        # forward + backward + optimize
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

  在这里明确一下zero_grad()函数的作用以及为什么需要在每个batch都执行该操作：根据pytorch中backward()函数的计算，当进行求导时，梯度是累积计算而不是被替换，但在处理每一个batch时并不需要与其他batch的梯度混合起来累积计算，因此需要对每个batch调用一遍zero_grad()将当前可变参数的梯度置0。
  当然，我们也可以不选择每个batch都清除一次梯度，比如两次或多次再清除一次，这样相当于提高了batch_size，对GPU的内存需要更高。

detach()的理解

  detach() ，如果 x 为中间输出，x_1 = x.detach 表示创建一个与 x 相同，但requires_grad==False 的新Tensor (相当于是把x_1以前的计算图 grad_fn 都消除了)，x_1也就成了叶节点（输入节点）。原先反向传播时，回传到x时还会继续，而现在回到x_1处后，就结束了，不继续回传求导了，在x之前的网络参数也就不再进行更新了。另外值得注意的是detach_() 表示不创建新张量，而是直接修改 x 本身。

requires_grad和volatile的理解

  如果对于张量 x ，如果 x.requires_grad == True , 则表示它可以参与求导，也可以从它向后求导。默认情况下，一个新的Tensor的 requires_grad 为False。
  可以向后求导的意思是说，requires_grad == True 具有传递性，如果：

x.requires_grad == True 
y.requires_grad == False  
z = f(x,y)

则z.requires_grad == True，注意requires_grad == False 则不具有传递性，在PyTorch中，凡是参与运算的变量（包括输入、输出、中间输出、网络权重参数等），都可以设置requires_grad。但是一般来说，输入是否含requires_grad=True是无所谓的，因为需要更新的是网络权重的参数，如果通过nn方法调用卷积层等，会默认其中的参数的requires_grad=True。当然，设置输入的requires_grad=True会更保险，但是可能会带来一些计算和内存上的代价。
  volatile在PyTorch1.0版本后已经被移除了。实际上，volatile==True 就等价于 requires_grad==False 。 volatile==True 同样具有传递性。一般只用在推理过程中。若是从某个中间输出x张量 开始都只需做推理，而不需反传梯度的话，那么只需设置x.volatile=True ，那么 x 以后的运算过程得到的输出张量均为 volatile==Tru