本着“凡我不能创造的，我就不能理解”的思想，本系列文章会基于纯Python以及NumPy从零创建自己的深度学习框架，该框架类似PyTorch能实现自动求导。
要深入理解深度学习，从零开始创建的经验非常重要，从自己可以理解的角度出发，尽量不使用外部完备的框架前提下，实现我们想要的模型。本系列文章的宗旨就是通过这样的过程，让大家切实掌握深度学习底层实现，而不是仅做一个调包侠。
基于之前的计算图代码，在实现类似torch.unbind时遇到了问题。因此，我们需要重写计算图的支撑代码，以支持这些运算。
在实现有单个输入产生多个输出的运算时，比如unbind或split。我们分别对多个输出后续进行不同的运算，在反向传播时，它们的梯度应该不同。
此时在反向传播时，应该传入一个梯度列表，每个元素代表由每个输出贡献的梯度。现有的代码只接收单个梯度，而不是列表。
def backward(self, grad: "Tensor" = None, retain_grad=False, create_graph=False) -> None:
'''
实现Tensor的反向传播
Args:
grad: 如果该Tensor不是标量，则需要传递梯度进来
retain_grad: 是否保留梯度的中间变量
create_graph: 是否整个计算梯度的过程也需要保留到计算图中，即double_backprop
Returns:
'''
# 只能在requires_grad=True的Tensor上调用此方法
assert self.requires_grad, "called backward on tensor do not require grad"
if not Config.backprop:
return
# 如果传递过来的grad为空
if grad is None:
if self.shape == ():
# 设置梯度值为1，grad本身不需要计算梯度
self._grad = Tensor(1., device=self.device)
else:
# 如果当前Tensor得到不是标量，那么grad必须指定
raise RuntimeError("grad must be specified for non scalar")
else:
self._grad = ensure_tensor(grad, device=self.device)
funcs = [] # 候选函数堆
seen_set = set()
def add_func(f):
if f not in seen_set:
# heapq是小顶堆，为了实现大顶堆的效果，需要加一个负号
heapq.heappush(funcs, (-f.generation, len(seen_set), f))
seen_set.add(f)
add_func(self.creator)
while funcs:
_, _, f = heapq.heappop(funcs)
# 获取输出对应的梯度，解决多个输出梯度不一致的问题
gys = [output().grad.data for output in f.outputs] # output 是 weakref
with using_config('backprop', create_graph):
with OpWrapper(f.__class__.__name__, gys, backward=True):
gxs = f.backward(*gys)
if not isinstance(gxs, tuple):
gxs = (gxs,)
for x, gx in zip(f.inputs, gxs):
if x.requires_grad and gx is not None:
assert x.shape == gx.shape, f"grad shape must match tensor shape in {f!r}, {gx.shape!r} != {x.shape!r}"
gx = Tensor(gx, device=self.device, dtype=self.dtype)
if x.grad is None:
x._grad = gx
else:
x._grad = x.grad + gx
if x.creator is not None:
add_func(x.creator)
if not retain_grad:
for y in f.outputs:
y()._grad = None
修改点：
通过大顶堆来实现计算图的回溯算法。同时为Tensor增加一个creator，产生该输出的运算(function)。
这里增加了代次(generation)的概念，当前输出的generation由creator对应的加1。
增加了weakref对内存利用进行优化。
通过create_graph支持double_backprop。
class Function:
def __init__(self) -> None:
# 保存需要在backward()中使用的Tensor或其他对象(如Shape)
self.saved_tensors = []
def save_for_backward(self, *x: Any) -> None:
self.saved_tensors.extend(x)
def forward(self, *args: Any, **kwargs: Any) -> NdArray:
'''前向传播，进行真正运算的地方'''
raise NotImplementedError("You must implement the forward function for custom Function.")
def backward(self, grad: NdArray) -> Any:
'''实现反向传播，计算梯度'''
raise NotImplementedError("You must implement the backward method for your custom Function "
"to use it with backward mode AD.")
def __call__(self, *xs: "Tensor", **kwargs) -> "Tensor":
# [t.data for t in xs]遍历Tensor中的data(NdArray)值，参与实际计算的都是NumPy的数组。
ys = self.forward(*[t.data for t in xs], **kwargs)
requires_grad = any([t.requires_grad for t in xs])
if not isinstance(ys, tuple):
ys = (ys,)
outputs = [Tensor(y, device=xs[0].device, requires_grad=requires_grad) for y in ys]
if Config.backprop:
self.generation = max([x.generation for x in xs])
for output in outputs: # 设定每个输出是由此函数得到的
output.set_creator(self)
self.inputs = xs # 记录输入
self.outputs = [weakref.ref(output) for output in outputs] # 通过弱引用记录输出
# 返回多个则通过元组
return tuple(outputs) if len(outputs) > 1 else outputs[0]
所有操作的基类Function进行了重写，同时尽可能兼容之前的代码，在调用方法__call__中维护了该操作的输入和输出。
如果有多个输出，统一通过元组来保存。
以Split为例，作为stack的逆操作，我们的split实际上就是torch.unbind。
旧代码：
class Split(Function):
'''Stack的逆操作'''
def forward(ctx, inputs: NdArray, axis: int) -> NdArray:
xp = get_array_module(inputs)
xs = xp.split(inputs, inputs.shape[axis], axis)
ys = [xp.squeeze(y, axis) for y in xs] # 去掉维度axis
ctx.save_for_backward(len(ys), axis)
return tuple(ys)
def backward(ctx, grad: NdArray) -> NdArray:
size, axis = ctx.saved_tensors
grad /= size
bigger_grad = [Tensor(grad)] * size
return stack(bigger_grad, axis)
改写成：
class Split(Function):
'''Stack的逆操作'''
def forward(self, inputs: NdArray, axis: int) -> NdArray:
xp = get_array_module(inputs)
xs = xp.split(inputs, inputs.shape[axis], axis)
ys = [xp.squeeze(y, axis) for y in xs] # 去掉维度axis
self.save_for_backward(xp, axis, ys[0].shape, inputs.dtype)
return tuple(ys)
def backward(self, *grad: List[NdArray]) -> NdArray:
xp, axis, shape, dtype = self.saved_tensors
grads = [Tensor(xp.zeros(shape, dtype)) if g is None else Tensor(g) for g in grad]
return stack(grads, axis)
改动如下：
ctx变成了selfbackwardsplit多个输出贡献的不同梯度这样才能跑通下面的测试用例：
def test_split():
x = np.arange(6).reshape((2, 3)).astype(np.float32)
# x = array([[0., 1., 2.],
# [3., 4., 5.]], dtype=float32)
mx = Tensor(x, requires_grad=True)
tx = torch.tensor(x, requires_grad=True)
my = F.split(mx)
ty = torch.split(tx, 1)
# 这里返回的是元组
assert isinstance(my, tuple)
assert np.allclose(my[0].data, ty[0].data)
(my[0]).sum().backward()
(ty[0]).sum().backward()
print(mx.grad.data)
print(tx.grad.data)
assert np.allclose(mx.grad.data, tx.grad.data)
test_split.py::test_split PASSED [100%]
[[1. 1. 1.]
[0. 0. 0.]]
tensor([[1., 1., 1.],
[0., 0., 0.]])
这里由于只对split后的第一个元素my[0]进行了后续操作(sum)，因此反向传播后，也应该只有该元素会产生梯度，如上输出。
类似地，我们就可以实现chunk操作，即cat的逆操作，将Tensor沿某一维分开，其参数chunks为分割的份数，axis为分割的维度。具体实现可以参考完整代码：
https://github.com/nlp-greyfoss/metagrad