Pytorch：torch.nn.utils.clip_grad_norm_梯度截断_解读

torch.nn.utils.clip_grad_norm_函数主要作用：

神经网络深度逐渐增加，网络参数量增多的时候，容易引起梯度消失和梯度爆炸。对于梯度爆炸问题，解决方法之一便是进行梯度剪裁torch.nn.utils.clip_grad_norm_（），即设置一个梯度大小的上限。

注：旧版为torch.nn.utils.clip_grad_norm()

函数参数：

官网链接：https://pytorch.org/docs/stable/generated/torch.nn.utils.clip_grad_norm_.html

torch.nn.utils.clip_grad_norm_(parameters, max_norm, norm_type=2.0, error_if_nonfinite=False, foreach=None)

"Clips gradient norm of an iterable of parameters. The norm is computed over all gradients together, as if they were concatenated into a single vector. Gradients are modified in-place."

"对一组可迭代(网络)参数的梯度范数进行裁剪。效果如同将所有参数连接成单个向量来计算范数。梯度原位修改。"

Parameters

parameters (Iterable[Tensor] or Tensor) -- 实施梯度裁剪的可迭代网络参数

an iterable of Tensors or a single Tensor that will have gradients normalized（一个由张量或单个张量组成的可迭代对象（模型参数），将梯度归一化）
max_norm (float) -- 该组网络参数梯度的范数上限

max norm of the gradients（梯度的最大值）
norm_type (float) --范数类型

type of the used p-norm. Can be 'inf' for infinity norm.（所使用的范数类型。默认为L2范数，可以是无穷大范数（'inf'））
error_if_nonfinite (bool) --

if True, an error is thrown if the total norm of the gradients from parameters is nan, inf, or -inf. Default: False (will switch to True in the future)
foreach (bool) --

use the faster foreach-based implementation. If None, use the foreach implementation for CUDA and CPU native tensors and silently fall back to the slow implementation for other device types. Default: None

源码解读：

参考：https://blog.csdn.net/Mikeyboi/article/details/119522689

（建议大家看看源码，更好理解函数意义，有注释）

python 复制代码

def clip_grad_norm_(parameters, max_norm, norm_type=2):
	# 处理传入的三个参数。
	# 首先将parameters中的非空网络参数存入一个列表，
	# 然后将max_norm和norm_type类型强制为浮点数。
    if isinstance(parameters, torch.Tensor):
        parameters = [parameters]
    parameters = list(filter(lambda p: p.grad is not None, parameters))
    max_norm = float(max_norm)
    norm_type = float(norm_type)
    
	#对无穷范数进行了单独计算，即取所有网络参数梯度范数中的最大值，定义为total_norm
    if norm_type == inf:
        total_norm = max(p.grad.data.abs().max() for p in parameters)

	# 对于其他范数，计算所有网络参数梯度范数之和，再归一化，
	# 即等价于把所有网络参数放入一个向量，再对向量计算范数。将结果定义为total_norm
    else:
        total_norm = 0
        for p in parameters:
            param_norm = p.grad.data.norm(norm_type)
            total_norm += param_norm.item() ** norm_type # norm_type=2 求平方（二范数）
        total_norm = total_norm ** (1. / norm_type) # norm_type=2 等价于 开根号
        
    # 最后定义了一个"裁剪系数"变量clip_coef，为传入参数max_norm和total_norm的比值（+1e-6防止分母为0的情况）。
    # 如果max_norm > total_norm，即没有溢出预设上限，则不对梯度进行修改。
    # 反之则以clip_coef为系数对全部梯度进行惩罚，使最后的全部梯度范数归一化至max_norm的值。
    # 注意该方法返回了一个 total_norm，实际应用时可以通过该方法得到网络参数梯度的范数，以便确定合理的max_norm值。
    clip_coef = max_norm / (total_norm + 1e-6)
    if clip_coef < 1:
        for p in parameters:
            p.grad.data.mul_(clip_coef)
    return total_norm

使用方法及分析：

应用逻辑为：

先计算梯度；
裁剪梯度（在函数内部会判断是否需要裁剪，具体看源码解读）；
最后更新网络参数。

因此 torch.nn.utils.clip_grad_norm_() 的使用应该在loss.backward() 之后，optimizer.step() 之前，

在U-Net中如下：

python 复制代码

optimizer.zero_grad(set_to_none=True)
grad_scaler.scale(loss).backward()
torch.nn.utils.clip_grad_norm_(model.parameters(), gradient_clipping)
grad_scaler.step(optimizer)
grad_scaler.update()

参考：https://blog.csdn.net/zhaohongfei_358/article/details/122820992

注意：

从上面文章可以看到，clip_grad_norm 最后就是对所有的梯度乘以一个 clip_coef （p.grad.data.mul_(clip_coef) ），而且乘的前提是clip_coef 一定是小于1的，所以，clip_grad_norm 只解决梯度爆炸问题，不解决梯度消失问题
由clip_coef 的定义**clip_coef = max_norm / (total_norm + 1e-6)** 可以知道：max_norm越大，对于梯度爆炸的解决越柔和，max_norm越小，对梯度爆炸的解决越狠