pytorch 梯度重复计算

 报错:Variable._execution_engine.run_backward(  # Calls into the C++ engine to run the backward pass RuntimeError: Trying to backward through the graph a second time (or directly access saved tensors after they have already been freed). Saved intermediate values of the graph are freed when you call .backward() or autograd.grad(). Specify retain_graph=True if you need to backward through the graph a second time or if you need to access saved tensors after calling backward.

原因:在进行多次梯度更新时,同一个变量使用了多次,一般情况下是因为这个变量作为一个不变的参数,所以可用[].data使其不参与梯度计算,如advantages参与了计算,但不需要参与梯度的更新,故使用 .data 方法让其脱离计算图。

 def update(self,graph, rollouts):
        advantages = rollouts.returns[:-1] - rollouts.value_preds[:-1]
        advantages = (advantages - advantages.mean()) / (advantages.std() + 1e-5)
        advantages = advantages.to(self.device)
        value_loss_epoch = 0
        action_loss_epoch = 0
        dist_entropy_epoch = 0
        rollouts.to(self.device)
        for e in range(self.ppo_epoch):
                self.optimizer.zero_grad()
                torch.autograd.set_detect_anomaly(True)
                values, action_log_probs, dist_entropy = self.actor_critic.evaluate_actions(graph, rollouts.obs.data, rollouts.actions.data)
                
                ratio = torch.exp(action_log_probs - rollouts.action_log_probs.data)
                surr1 = ratio * advantages.data
                surr2 = torch.clamp(ratio, 1.0 - self.clip_param,
                                    1.0 + self.clip_param) * advantages.data
                action_loss = -torch.min(surr1, surr2).mean()

  • 4
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

weixin_45655219

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值