Pytorch随笔--Tensor与Variable

2024-01-01 12:00:46

前言

该文章是我回过头来看之前的pytorch笔记的一些记录，以自己的思路将一些相关的内容集合起来进行记录，算是对之前阶段学习的总结。

问题描述

刚接触pytorch的时候，一个很常见的操作就是参考别人的代码或者观看别人的教学视频。但随着pytorch的更新，一些特性便会发生变化，这就很明显地会体现在代码上，比如之前的一些代码和现在的代码将会变得不一样，尽管它们实现的功能基本是一样的。尤其是对于训练模型这一部分来说，基本的流程会很相似，但几年前的代码和当前的代码却会有很多地方不同，这对于初学者来说会是一个令人疑惑的点，至少对我来说有过这个困扰。所以下面就是记录一些经过pytorch的更新，而导致不同时间段内的代码不一样的情况，同时也对比分析指出目前应该使用的形式。

Tensor和Variable

Tensor是pytorch中非常重要且常见的数据结构，相较于numpy数组，Tensor能加载到GPU中，从而有效地利用GPU进行加速计算。但是普通的Tensor对于构建神经网络还远远不够，我们需要能够构建计算图的 tensor，这就是 Variable。Variable 是对 tensor 的封装，操作和 tensor 是一样的，但是每个 Variabel都有三个属性，分别是data表示变量中的具体值， grad表示这个变量反向传播的梯度， grad_fn表示是通过什么操作得到这个变量，例如( 加减乘除、卷积、反置卷积)。所以在构建计算图时，需要将tensor封装成Variable变量，这样才能在后续阶段进行反向传播计算梯度。很常见的代码示例如下：

import torch
from torch.autograd import Variable

x = Variable(torch.randn(10, 20), requires_grad=True)
y = Variable(torch.randn(10, 5), requires_grad=True)
w = Variable(torch.randn(20, 5), requires_grad=True)

out = torch.mean(y - torch.matmul(x, w))
out.backward()

注意，以上是pytorch 0.4之前的代码风格。但是在pytorch 0.4版本后，torch.Tensor 和torch.autograd.Variable变成同一个类了。torch.Tensor 能够像之前的Variable一样追踪历史和反向传播，也即不用使用torch.autograd.Variable来封装tensor以使其能够进行反向传播。但是Variable仍能够正常工作，只是返回的依旧是Tensor。目前常用的代码形式如下所示：

import torch

x =torch.randn((10, 20), requires_grad=True)
y = torch.randn((10, 5), requires_grad=True)
w = torch.randn((20, 5), requires_grad=True)

out = torch.mean(y - torch.matmul(x, w))
out.backward()

也就是说使用Variable封装tensor是老版本的使用方式了，虽然不会报错，但属实是可以但没必要。

tensor.data和tensor.detach

在使用pytorch训练网络的过程中，遇到要将GPU上的tensor变量转换成CPU上的numpy数组这种情况是很常见的，比较常见的作法就是使用a.data.cpu().numpy()（具体细节可以参考这里，这不是本文重点），但是这就牵扯出一个安全性问题，使用.data真的安全吗？

首先，我们需要先知道这三个方法的意义:

tensor .data 返回和 x 的相同数据 tensor,而且这个新的tensor和原来的tensor是共用数据的，一者改变，另一者也会跟着改变，而且新分离得到的tensor的require s_grad = False, 即不可求导的。
tensor .detach() 返回和 x 的相同数据 tensor,而且这个新的tensor和原来的tensor是共用数据的，一者改变，另一者也会跟着改变，而且新分离得到的tensor的require s_grad = False, 即不可求导的。（这一点其实和 tensor.data 是一样的）

由上面的描述会感觉这两者很相似，也没什么不同。但其实这两者会有一个不同的机制，即当y=x.data属性来访问数据时，pytorch不会记录数据是否改变，此时改变了y的值，意味着也要改变x的值，而在自动求导时会使用更改后的值，这会导致错误求导结果。而使用y=x.detach()时，如果了y值，也意味着改变了x值，此时调用x.backword()会报错，这也从侧面表明.detach()方法会记录数据的变化状态。也就是说tensor.data和tensor.detach都是复制计算图中的一份数据，此数据与原数据共享内存，当复制下来的数据因为某些操作变化时，就会影响到计算图梯度的计算，此时tensor.detach会记录下数据的变化状态，当数据有变化时会直接报错已防止计算图梯度被影响，而tensor.data则存在这个隐患，所以使用tensor.data是不安全的，会比较推荐tensor.detach操作。

具体代码示例如下，使用tensor.data分离计算图时，如果复制的值变化了，则梯度的计算会出错，但程序并不会知晓，依旧将其视为正确结果。而使用tensor.detach时，复制的值发生变化就会报错，这样就能避免这种难以发现的错误。

a = torch.tensor([1,2,3.], requires_grad = True)
out = a.sigmoid()

c = out.data
c.zero_()
out.sum().backward()
a.grad  # The result is very, very wrong because `out` changed!
# out: tensor([ 0.,  0.,  0.])

c = out.detach()
c.zero_()
out.sum().backward()  # error
# out: RuntimeError: RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation

loss.data[0]和loss.item()

在pytorch 0.4之前，广泛的loss使用是：total_loss += loss.data[0], 这是因为loss是variable，其中size为（1，），而在0.4之后，loss是一个0维的向量（标量）。此时就可以可以使用loss.item()从标量中获得Python number，也即获取的是python的基本数据类型。

注意，当不转换为Python number来计算loss的累加值时，程序将会有大量的内存使用，这是因为total_loss += loss.data[0]式子的右边是0维tensor。这样，总损失就会包含loss和梯度历史，这些梯度历史会在大的autograd graph中保存更长时间，带来大量的内存消耗。换句话说，pytorch使用Variable计算的时候，会记录下新产生的Variable的运算符号，在反向传播求导的时候进行使用。如果这里使用loss.data[0]相加，系统会认为这也是计算图的一部分，也就是说网络会一直延伸变大，那么消耗的显存也就越来越多。而使用loss.item()则不会遇到这种问题，所以推荐使用loss.item()来获取每个step的loss。（注意，loss.item()只能针对只有一个元素的tensor使用，如何结果是一个tensor列表，可以使用loss.tolist()，这样获取的依然是Python number）

上述loss积累的式子可以变为：
total_loss += loss.item()