关于pytorch sharing weights的初步思考

参数共享 李宏毅老师

1.在实现universal-transformer,其中的transition function 是共享参数的。想起李宏毅老师的说法：

• 实现共享参数，我们要给这些参数同样的初始化，然后在梯度更新的时候我们让参数值减去所有对应参数梯度的和（当然，会乘以学习率）

2.那么，如果按照李老师所说，是不是意味着我们要在每一层都定义一个对象，在优化时，我们便不能使用 optimizer.step()。而是应该改变参数更新的办法。
实行起来有一定困难

如果我们 定义一个模块 重复使用呢

3.那么，如果按照我们最直观的想法，我们让这些层都使用一个对象，似乎就实现了torch的做法。
如果这样的话，和原文提到的共享参数是一个意思吗？
按照直观理解来说，参数共享的意思就是：这些层共用一个参数。对吧，我们从整个神经网络的流程来看共享，无外乎就是我们有很多层，如果我们按照原来的方式，每个层的梯度肯定都是不一样的。那么我们更新着，肯定就不能实现参数的共享了。所以，这是参数共享的来源，李宏毅老师所讲，应该也是出于这个方面。是参数共享在自动求导方面上的一个方式。

而如果我们是用共享一个对象的做法的话，我们就需要看一下 pytorch 重复利用对象时，是如何做梯度更新的呢?

pytorch 共用一个层的求导机制：

其实就是这样，如果我们重复调用一个层的话，在pytorch反向传播的时候，其实是将梯度进行了累加。在做法上和上述是一样的。那么，这是不是就是意味着我们可以用pytorch 定义一个层然后反复利用，或者是定义一个参数，然后定义多个层，然后使用同一组参数。奶思，应该就是这样子！
我一定是脑子出问题了，这么简单居然想不到，一直在纠结是否要定义多个层，然后在优化的时候 定义不同的东西，然后进行反向传播