前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >PyTorch 梯度校验

PyTorch 梯度校验

作者头像
caoqi95
发布2020-02-18 14:55:19
1.5K0
发布2020-02-18 14:55:19
举报
文章被收录于专栏:caoqi95的记录日志

自己用 PyTorch 和 NumPy 结合起来写了一个扩展网络,之前都是假定一些数据手动计算来校验前向传播和反向传播的对错。最近才想起来用 PyTorchgradcheck 功能。下面简单记录一下。

代码语言:javascript
复制
torch.autograd.gradcheck(func, inputs, eps=1e-06, atol=1e-05, 
rtol=0.001, raise_exception=True, check_sparse_nnz=False, nondet_tol=0.0)

该函数应用小有限差分来校验相关 Tensor 的梯度,Tensor 是浮点类型且设置 requires_grad=Truefunc 就是自己写的扩展网络函数;inputs 是该网络的输入;eps 是有限差分的扰动;atol 是绝对容差;rtol 是相对容差。

且需要注意,输入 inputs 需设置成 double 精度。如果不是的话,梯度校验可能会失败。

下面是使用例子,其中 HitMissLayer 是我自己写的扩展网络:

代码语言:javascript
复制
import torch
from torch.autograd.gradcheck import gradcheck

hmt = HitMissLayer([1, 1, 32, 32], 2)
hmt = hmt.double()
inputss = torch.randn((1, 1, 32, 32), dtype=torch.double, requires_grad=True)
test = gradcheck(hmt, inputss, eps=1e-6, atol=1e-4)
print("Are the gradients correct: ", test)

如果校验成功,上面代码会出现如下输出:

代码语言:javascript
复制
Are the gradients correct:  True

参考

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 参考
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档