pytorch 报错 the graph are freed when you call .backward() or autograd.grad()

原来 的环境 是 python 3.7 torch1.13.1 环境 下面跑通的代码

到 python 3.10 和torch 2.3.1报错

File "/mnt/workspace/t.py", line 200, in train

d_loss.backward()

File "/usr/local/lib/python3.10/site-packages/torch/_tensor.py", line 525, in backward

torch.autograd.backward(

File "/usr/local/lib/python3.10/site-packages/torch/autograd/init.py", line 267, in backward

_engine_run_backward(

File "/usr/local/lib/python3.10/site-packages/torch/autograd/graph.py", line 744, in _engine_run_backward

return 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.

解决 d_loss.backward(retain_graph=True)

这个错误信息表明你尝试在一个已经进行了反向传播的计算图中再次进行反向传播,但是计算图的中间变量在第一次反向传播后已经被释放了。在 PyTorch 中,当你调用 `.backward()` 方法时,计算图的中间变量默认是不会被保留的,这意味着你不能在同一张图上再次进行反向传播。

错误信息中提到了两种可能的情况:

  1. 你尝试在同一个计算图中进行了第二次反向传播。

  2. 你尝试在调用 `.backward()` 之后直接访问已经释放的保存的张量。

如果你确实需要在同一个计算图中进行多次反向传播,或者在调用 `.backward()` 之后还需要访问中间变量,你可以在第一次调用 `.backward()` 时添加 `retain_graph=True` 参数。这会告诉 PyTorch 在进行反向传播时保留计算图,以便你可以再次使用它。

修改后的代码示例如下:

```python

d_loss.backward(retain_graph=True)

```

请注意,使用 `retain_graph=True` 可能会增加内存的使用,因为计算图的中间变量不会被立即释放。因此,只有在你确实需要保留计算图时才应该使用这个参数。

另外,如果你在一个循环中多次调用 `.backward()`,确保在每次迭代结束时调用 `optimizer.zero_grad()` 来清除已经累积的梯度,否则梯度会累积起来,导致不正确的更新。

```python

for _ in range(some_iterations):

... 进行前向传播 ...

计算损失

d_loss = ...

反向传播

d_loss.backward(retain_graph=True)

更新模型参数

optimizer.step()

清除梯度

optimizer.zero_grad()

```

如果你不需要保留计算图,确保在每次迭代中都重新构建计算图,而不是重复使用同一个计算图。

相关推荐
渡我白衣14 分钟前
深度学习入门(一)——从神经元到损失函数,一步步理解前向传播(上)
人工智能·深度学习·学习
补三补四15 分钟前
SMOTE 算法详解:解决不平衡数据问题的有效工具
人工智能·算法
为java加瓦15 分钟前
前端学AI:如何写好提示词(prompt)
前端·人工智能·prompt
一车小面包17 分钟前
对注意力机制的直观理解
人工智能·深度学习·机器学习
逝水年华QAQ18 分钟前
什么是Edge TTS?
人工智能
ARM+FPGA+AI工业主板定制专家24 分钟前
基于NVIDIA ORIN+FPGA+AI自动驾驶硬件在环注入测试
人工智能·fpga开发·机器人·自动驾驶
AI小云29 分钟前
【Python与AI基础】Python编程基础:模块和包
人工智能·python
用户51914958484531 分钟前
Paytium WordPress插件存储型XSS漏洞深度分析
人工智能·aigc
weixin_4334176738 分钟前
PyTorch&TensorFlow
人工智能·pytorch·tensorflow
努力努力再努力wz43 分钟前
【C++进阶系列】:万字详解智能指针(附模拟实现的源码)
java·linux·c语言·开发语言·数据结构·c++·python