• 梯度裁剪:torch.nn.utils.clip_grad_norm_详解


    梯度裁剪是为了防止梯度爆炸。在训练FCOS算法时,因为训练过程出现了损失为NaN的情况,在github issue有很多都是这种训练过程出现loss为NaN,使用torch.nn.utils.clip_grad_norm_梯度裁剪函数,可以有效预防梯度爆炸的情况发生。

    1 clip_grad_norm_介绍

    1.1 函数原型

    1. def clip_grad_norm_(
    2. parameters: _tensor_or_tensors, max_norm: float, norm_type: float = 2.0,
    3. error_if_nonfinite: bool = False, foreach: Optional[bool] = None) -> torch.Tensor:
    • parameters:需要进行梯度裁剪的参数列表。通常是模型的参数列表,即model.parameters()
    • max_norm:可以理解为梯度(默认是L2 范数)范数的最大阈值
    • norm_type:可以理解为指定范数的类型,比如norm_type=1 表示使用L1 范数,norm_type=2 表示使用L2 范数。

    这个梯度裁剪函数一般来说只需要调整max_normnorm_type这两个参数。clip_grad_norm_最后就是对所有的梯度乘以一个clip_coef,而且乘的前提是clip_coef一定是小于1的,所以,按照这个情况:clip_grad_norm只解决梯度爆炸问题,不解决梯度消失问题

    torch.nn.utils.clip_grad_norm_和torch.nn.utils.clip_grad_norm(已弃用)的区别就是前者是直接修改原Tensor,后者不会。在Pytorch中有很多这样的函数对均是如此,在函数最后多了下划线一般都是表示直接在原Tensor上进行操作。

    1.2 参数的选择

    clip_coef的公式为:

    max_norm的取值:

    假定忽略clip_coef > 1的情况,则可以根据公式推断出:

    • clip_coef越小,则对梯度的裁剪越厉害,即,使梯度的值缩小的越多
    • max_norm越小,clip_coef越小,所以,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

        max_norm可以取小数

    total_norm受梯度大小和norm_type的影响:

    • 梯度越大,total_norm值越大,进而导致clip_coef的值越小,最终也会导致对梯度的裁剪越厉害,很合理
    • norm_type不管取多少,对于total_norm的影响不是太大,所以可以直接取默认值2
    • norm_type越大,total_norm越小

    1.3 函数执行的操作

    • 对所有需要进行梯度计算的参数,收集所有参数的梯度的指定范数(通过参数norm_type进行设置,1表示绝对值,2表示二阶范数也就是平方和开根号)
    • 计算所有参数的梯度范数总和(一个标量)和设定的max_norm的比值。如果max_norm/total_norm>1, 所有参数的梯度不变,可以直接反向传播。如果比值小于1,说明参数梯度需要被缩减,缩减比率为rate= max_norm/total_norm,所有反向传播的梯度变为原本的rate倍。

    这样就避免权重梯度爆炸导致模型训练困难,对于大梯度的缩小,小梯度的不变。

    1.4 梯度裁剪存在的问题

    • 参数原本的分布很不均匀,有的梯度大有的梯度小;
    • 而梯度的总体范数值大于阈值,那么所有的梯度都会被同比例缩小。

    2 clip_grad_norm_使用

    1. import torch
    2. # 构造两个Tensor
    3. x = torch.tensor([102.0, 155.0], requires_grad=True)
    4. y = torch.tensor([201.0, 221.0], requires_grad=True)
    5. # 模拟网络计算过程
    6. z = x ** 3 + y ** 4
    7. z = z.sum()
    8. # 反向传播
    9. z.backward()
    10. # 得到梯度
    11. print(f"gradient of x is:{x.grad}")
    12. print(f"gradient of y is:{y.grad}")
    13. # 梯度裁剪
    14. torch.nn.utils.clip_grad_norm_([x, y], max_norm=200, norm_type=2)
    15. # 再次打印裁剪后的梯度
    16. # 直接修改了原x.grad的值
    17. print("---clip_grad---")
    18. print(f"clip_grad of x is:{x.grad}")
    19. print(f"clip_grad of y is:{y.grad}")

    运行结果显示如下:

    1. gradient of x is:tensor([31212., 72075.])
    2. gradient of y is:tensor([32482404., 43175444.])
    3. ---clip_grad---
    4. clip_grad of x is:tensor([0.1155, 0.2668])
    5. clip_grad of y is:tensor([120.2386, 159.8205])

    上例中可以看出,裁剪后的梯度远小于原来的梯度。一开始变量x的梯度是tensor([31212., 72075.]),就是求zx的偏导,变量y同理。裁剪后的梯度远小于原来的梯度,所以可以缓解梯度爆炸的问题。

  • 相关阅读:
    TCP协议,TCP报头及特点基础介绍
    【计算机网络】网络编程接口 Socket API 解读(7)
    激活WinEdt 11.1
    YOLOv7改进之二十五:引入Swin Transformer
    lotus 存储数据 2k 本地测试网
    Laravel/Lumen 任务调度简易入门说明
    四种强制类型转换
    背包问题——01—完全—多重—混合
    WKWebView加载Web本地项目实践(Swift)
    前端实现可拖拽流程的js框架
  • 原文地址:https://blog.csdn.net/lsb2002/article/details/133387680