使用SpikingJelly构建脉冲神经网络遇到 RuntimeError: Trying to backward through the graph a second time

        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