形参与实参的不对应导致ops.GradOperation执行报错：The parameters number of the function is 2, but the number of provi

1.系统环境

硬件环境(Ascend/GPU/CPU): GPU

软件环境:

– MindSpore 版本: 1.7.0

执行模式： 静态图(GRAPH) – Python 版本: 3.7.6

– 操作系统平台: linux

2.报错信息

2.1 问题描述

自定义训练网络中，进行反向传播计算梯度时，少给ops.GradOperation传入了一个参数导致执行报错。

2.2 报错信息

TypeError: mindspore/ccsrc/pipeline/jit/static_analysis/stack_frame.cc:101 DoJump] The parameters number of the function is 2, but the number of provided arguments is 1.

2.3 脚本代码

class TrainOneStepCell(nn.Cell):

def __init__(self, network, optimizer, sens=1.0): super(TrainOneStepCell, self).__init__(auto_prefix=False) self.network = network self.network.set_grad() self.optimizer = optimizer self.weights = self.optimizer.parameters self.grad = ops.GradOperation(get_by_list=True, sens_param=True) def construct(self,*inputs): """Defines the computation performed.""" loss = self.network(*inputs) grads = self.grad(self.network, self.weights)(*inputs) self.optimizer(grads) return grads,loss 复制

复制

3.根因分析

 看报错信息，翻译意思就是函数的形参数为2，但提供的实参数为1。

 查看官网文档关于自定义训练网络的设置，再进行反向传播，计算梯度时需要将loss传入。原因是因为反向传播需要根据loss值进行计算。

4.解决方案

解决方案说明：根据官网文档，将loss值传入self.grad。

修改后代码：

class TrainOneStepCell(nn.Cell):

def __init__(self, network, optimizer, sens=1.0):
    super(TrainOneStepCell, self).__init__(auto_prefix=False)
    self.network = network
    self.network.set_grad()
    self.optimizer = optimizer
    self.weights = self.optimizer.parameters
    self.grad = ops.GradOperation(get_by_list=True, sens_param=True)

def construct(self,*inputs):
    """Defines the computation performed."""
    loss = self.network(*inputs)
    grads = self.grad(self.network, self.weights)(*inputs,loss)
    self.optimizer(grads)
    return grads,loss

修改后，程序正常训练。