Autograd：Pytorch 中的自动微分机制讲解

本文翻译、整理自Autograd官方documentation

本文讲解了Autograd——pytorch中用于自动求微分的模块。下面的内容不需全部掌握，但读一下还有有助于加强理解的。

在backward的过程中排除一部分子图

Tensor的属性requires_grad代表它是否需要求梯度。注意除了这个属性除了可以被显式地设置性之外，还会被一个规则所定义：

如果一个Tensor A$A$ 由其他Tensor B1,B2,⋯$B_1,B_2,\cdots$计算得到，只要存在一个requires_grad值为True的Bi$B_i$，A$A$的requires_grad就是True。

这个属性可以用来”冻结“model的一部分使其参数不变，微调网络中的其他部分。比如下面这个例子中只调节最后的FCN：

model = torchvision.models.resnet18(pretrained=True)
for param in model.parameters():
    param.requires_grad = False
# Replace the last fully-connected layer
# Parameters of newly constructed modules have requires_grad=True by default
model.fc = nn.Linear(512, 100)

# Optimize only the classifier
optimizer = optim.SGD(model.fc.parameters(), lr=1e-2, momentum=0.9)

Autograd怎样记录历史信息

从概念上来说，Autograd的对每个数据记录了一个有向无环图（DAG），叫做计算图，来表示它的计算过程。
比如下图表示y=x⋅sin(x⋅a+b)$y=x\cdot \sin (x\cdot a+b)$的计算图。沿着计算图应用链式求导法则就可以求出梯度。

在底层实现中，PyTorch中的计算图的每个结点都是一个Function对象，这个对象可以使用apply()进行操作。
在前向传播过程中，Autograd一边执行着前向计算，一边搭建一个graph，这个graph的结点是用于计算梯度的函数，这些函数结点保存在对应Tensor的.grad_fn中；而反向传播就利用这个graph计算梯度。

Autograd中的in-place operations问题

在Autograd使用in-place operations相当麻烦，不建议使用==。Autograd对buffer的释放和使用已经很高效了，in-place operations大多数情况下都会让效果更差。

总的来说，限制in-place operations有以下两个原因：
1. in-place operations会改变一些值，可能导致梯度计算错误
2. 每个in-place operation后都必须更新计算图，因为要把Function对象的所有输入的creator都改变，万一别的Tensor$Tensor$也引用了相同内存区域就很麻烦。这时候PyTorch会报错。

In-place正确性检查

每个Tensor都有一个verion counter来记录对它的操作次数。当一个Function对象保存了它用于反向传播的若干Tensor时，它会将它们的version counter记录下来。当访问self.saved_tensors时，Pytorch会执行检查Tensor的counter，如果它比记录的counter要大就会报错。
这样就保证了，如果你使用了in-place functions并且没有看到报错，计算的梯度一定是正确的。