深度学习——pytorch中反向传播，梯度保留，梯度分离，梯度清零，梯度累加等相关问题解析

梯度保留

Q(question):pytorch autograd 非叶子节点的梯度会保留么？
A(answer):
 1. 只有叶子节点的梯度得到保留，中间变量的梯度默认不保留
 2. 叶子节点的值在求梯度前不允许更改	  

示例

>>> a = torch.tensor(2.0, requires_grad=True)
>>> b = torch.tensor(3.0)
>>> c=a*a*5
>>> d=c*c*b
>>> d.backward()
>>> a.grad
tensor(2400.)

注：复制完代码请删去>>>和输出结果再运行，建议手打一遍，这样更能加深理解
默认创建的张量（tensor）为常量，常量无法计算，需要设置requires_grad=True才能计算梯度，所以a,c,d可以计算梯度，b不可以计算梯度。反向传播后，只有叶子节点可以保留梯度,所以这里只有a的梯度会保留，如果需要保留c,d的梯度，需要使用retain_grad()函数
注：大家可以尝试一下计算图的可视化，我这里暂时就不加了，有空补上

>>> a = torch.tensor(2.0, requires_grad=True)
>>> b = torch.tensor(3.0)
>>> c=a*a*5
>>> d=c*c*b
>>> c.retain_grad()
>>> d.retain_grad()
>>> d.backward()
>>> a.grad         #求导后2*b*c*10*a,把c用a*a*5来代,即2*b*a*a*5*10*a为2400
tensor(2400.)     
>>> c.grad        #求导后2*b*c,把c用a*a*5来代，即2*b*a*a*5为120
tensor(120.)    
>>> d.grad
tensor(1.)

注：复制完代码请删去>>>和输出结果再运行，建议手打一遍，这样更能加深理解
d.backward() 只能计算一次，因为执行一次 d.backward() 后，计算图的缓冲区已经被释放，再次执行将报如下错误：

RuntimeError: Trying to backward through the graph a second time (or directly access saved tensors after they have already been freed). 

如果需要再次使用，则需要在前一次执行backward()时加上retain_graph=True，此时会对之前求到的梯度进行叠加

a = torch.tensor(2.0, requires_grad=True)
b = torch.tensor(3.0)
c=a*a*5
d=c*c*b
c.retain_grad()
d.retain_grad()
d.backward(retain_graph=True)
print(a.grad)
print(c.grad)
print(d.grad)
'''
输出
tensor(2400.)
tensor(120.)
tensor(1.)
'''
d.backward()
print(a.grad)
print(c.grad)
print(d.grad)
'''
输出
tensor(4800.)
tensor(240.)
tensor(2.)
'''

原文链接：
https://blog.csdn.net/liangjiu2009/article/details/106980762
https://blog.csdn.net/go___on/article/details/124294061
https://blog.csdn.net/weixin_43479947/article/details/126989990

梯度清零

在PyTorch中，对模型参数的梯度置0时通常使用两种方式：model.zero_grad()和optimizer.zero_grad()。二者在训练代码都很常见，那么二者的区别在哪里呢？

model.zero_grad()
model.zero_grad()的作用是将所有模型参数的梯度置为0。其源码如下：

for p in self.parameters():
    if p.grad is not None:
        p.grad.detach_()
        p.grad.zero_()

optimizer.zero_grad()
optimizer.zero_grad()的作用是清除所有可训练的torch.Tensor的梯度。其源码如下：

for group in self.param_groups:
    for p in group['params']:
        if p.grad is not None:
            p.grad.detach_()
            p.grad.zero_()

总结

1.因此，当使用optimizer=optim.Optimizer(net.parameters())设置优化器时，此时优化器中的param_groups等于模型中的parameters()，此时，二者是等效的，从二者的源码中也可以看出来。

2.当多个模型使用同一个优化器时，二者是不同的，此时需要根据实际情况选择梯度的清除方式。

梯度分离

detach()函数，返回一个新的tensor，是从当前计算图中分离下来的，但是仍指向原变量的存放位置，其grad_fn=None且requires_grad=False，得到的这个tensor永远不需要计算其梯度，不具有梯度grad，即使之后重新将它的requires_grad置为true,它也不会具有梯度grad。

注意：返回的tensor和原始的tensor共享同一内存数据。in-place函数修改会在两个tensor上同时体现(因为它们共享内存数据)，此时当要对其调用backward()时可能会导致错误。

原文链接：https://blog.csdn.net/qq_36605433/article/details/120617031

梯度累加

原文链接 https://blog.csdn.net/ltochange/article/details/123629686
原文链接：https://www.cnblogs.com/lart/p/11628696.html