在利用spikingjelly构建脉冲神经网络的时候,遇到了RuntimeError: Trying to backward through the graph a second time的问题。
在百度查找结果得知该报错是因为pytorch中计算图部分已经被释放,一般是在RNN和GAN中多次backwards导致。详情可见
解决pytorch反向传播过程中出现 RuntimeError: Trying to backward through the graph a second time 问题_连续两次反向传播出错‘_toroxy的博客-CSDN博客
pytorch中反向传播的loss.backward(retain_graph=True)报错
pytorch中反向传播的loss.backward(retain_graph=True)报错 RNN和LSTM模型中的反向传播方法,在loss.backward()处的问题
但是我的代码只是一个简单的单层神经元网络,每次只会反向传播一次。问题应该是出现在计算图的构建中。
下面是spikingjelly中给出的一段训练的例程,问题的关键就出现在最后一行的重置网络状态。
out_fr = 0.
for t in range(args.T):
encoded_img = encoder(img)
out_fr += net(encoded_img)
out_fr = out_fr / args.T
loss = F.mse_loss(out_fr, label_onehot)
loss.backward()
optimizer.step()
train_samples += label.numel()
train_loss += loss.item() * label.numel()
# 正确率的计算方法如下。认为输出层中脉冲发放频率最大的神经元的下标i是分类结果
train_acc += (out_fr.argmax(1) == label).float().sum().item()
# 优化一次参数后,需要重置网络的状态,因为SNN的神经元是有“记忆”的
functional.reset_net(net)
在每次backward后加上function.reset_net后恢复正常。
个人推测是因为,如果不重置网络,反复给入数据会导致框架生成计算图延续了之前部分,但是前面的部分由于上次backward被清除,从而产生错误