欧意交易所资讯

uncategorized
首页 > 欧意交易所资讯 > 正文内容

pytorch 计算过程中如何节省显存并注册钩子导出中间变量

qer12312个月前 (11-06)欧意交易所资讯286

钩子方法有四种:

火炬..()

火炬.nn..k()

火炬.nn..ok()

torch.nn.._hook()。

1、手电筒..(挂钩)

用于导出指定张量的梯度,或者修改梯度值。

import torch
def grad_hook(grad):
    grad *= 2
x = torch.tensor([2., 2., 2., 2.], requires_grad=True)
y = torch.pow(x, 2)
z = torch.mean(y)
h = x.register_hook(grad_hook)
z.backward()
print(x.grad)
h.remove()    # removes the hook
>>> tensor([2., 2., 2., 2.])

注意:(1)上面的代码是有效的,但是如果写成grad = grad * 2就会无效,因为此时没有对grad进行本地操作,新的grad值并没有传递给指定的梯度。为了安全起见,最好在 def 语句中指定 grad。现在:

def grad_hook(grad):
    grad = grad * 2
    return grad

(2) 可以使用()方法取消钩子。注意,()必须在()之后,因为梯度计算只有在执行()语句时才开始,而在x.()处它只“注册”了一个grad hook。此时没有计算,而是执行 取消这个钩子就行了,然后()这个钩子就不起作用了。

(3)如果类中定义了钩子函数,则必须先在输入参数中添加self,即

def grad_hook(self, grad):
    ...

2、torch.nn..k(,输入,输出)

用于导出指定子模块(可以是layer、等nn.type)的输入输出张量,但只能修改输出。它常用于导出或修改卷积特征图。

inps, outs = [],[]
def layer_hook(module, inp, out):
    inps.append(inp[0].data.cpu().numpy())
    outs.append(out.data.cpu().numpy())
hook = net.layer1.register_forward_hook(layer_hook)
output = net(input)
hook.remove()

注意:(1)由于模块可以有多个输入,因此输入是元组类型,需要先提取出来再进行操作;输出是元组类型,可以直接使用。

(2)导出后不要放到显存上,除非你有A100。

(3)只能修改输出out的值,不能修改输入inp的值(不能返回,本地修改无效)。修改时最好以表单形式返回,如:

def layer_hook(self, module, inp, out):
    out = self.lam * out + (1 - self.lam) * out[self.indices]
    return out

这段代码在mixup中使用,混合中间层特征,实现数据增强,其中self.lam是[0,1]概率值,self.lam是[0,1]概率值。是最后一个序列号。

3、torch.nn.._hook(, in)

用于导出或修改指定子模块的输入张量。

def pre_hook(module, inp):
    inp0 = inp[0]
    inp0 = inp0 * 2
    inp = tuple([inp0])
    return inp
hook = net.layer1.register_forward_pre_hook(pre_hook)
output = net(input)
hook.remove()

注意:(1)inp值是tuple类型,所以需要先提取张量,然后进行其他操作,然后将其转换为tuple并返回。

(2)这句话只有在执行=net(input)时才会被调用。 ()可以放在调用后取消钩子。

4、torch.nn..ok(, , )

用于导出指定子模块的输入和输出张量的梯度,但只能修改输入张量的梯度(即只能返回gin),不能修改输出张量的梯度。

gouts = []
def backward_hook(module, gin, gout):
    print(len(gin),len(gout))
    gouts.append(gout[0].data.cpu().numpy())
    gin0,gin1,gin2 = gin
    gin1 = gin1*2
    gin2 = gin2*3
    gin = tuple([gin0,gin1,gin2])
    return gin
hook = net.layer1.register_backward_hook(backward_hook)
loss.backward()
hook.remove()

注意:

(1) 和都是元组,必须先展开。修改的时候,执行操作然后再把tuple放回去。

(2) 该钩子函数是在()语句中调用的,因此()应放在()之后,以取消钩子。

扫描二维码推送至手机访问。

版权声明:本文由本站发布,如需转载请注明出处。

转载请注明出处https://www.juxingsy.com/post/1568.html

标签: hook
分享给朋友:

相关文章

茅盾白杨礼赞:赞美白杨树,象征北方农民的坚韧精神

“赞美杨树”是现代作家毛邓(Mao Dun)在1941年撰写的一篇文章。作者使用的杨树在西北的黄土高原上高高地站着“高耸,不屈服和与西北风作战”来象征着顽强而努力的工作北方农民赞扬他们在为实现解放斗争...

区块链金融:去中心化、安全,对传统金融模式影响深远的新兴领域

区块链技术与金融界融合,催生了一个新兴领域。这个领域以去中心化、信息透明度高、安全性强等显著特点著称,对传统金融模式产生了颠覆性的影响。接下来,我们将对这个领域进行深入分析。 技术特点 区块链金融的一...

挖矿挣钱:与算力、区块链关联的虚拟货币奖励获取方式

挖矿挣钱这件事,简单而言是借助计算机运算去获取虚拟货币的奖励。就如同一场在数字领域探寻宝藏的旅程,此过程中包含诸多专业的计算以及网络技术。 算力竞争 算力指的是计算机的计算能力。在挖矿时,需要强大的计...

斑点金边缘交易及其相关概念:每手保证金、交易单位与盈利计算,及保证金交易分类

概念简介 编辑 在现货黄金中,每只手$ 1,000,每只手100盎司黄金的沉积物,即100盎司的黄金,即完成1笔交易。 $ 1/盎司= $ 100。 保证金交易()也称为信用交易和销售交易的负责交易,...

欧意最新版本下载及弗雷尔币(FREC)发展应用深度分析

欧意最新版本下载及弗雷尔币(FREC)发展应用深度分析

欧洲的最新版本 OUYI的最新版本是世界上排名第一的虚拟货币兑换。 应用下载 分析FREC的开发和应用状态 FREC是基于区块链技术的数字货币,并且正在市场逐渐出现。它的开发和应用具有各种特征。下面...

恒星币(XLM)为何在2018年后价格停滞不前?深度解析XLM市场表现

从今年年初开始,(XLM)是唯一不会提高价格的主要加密货币。 下沉时,请记住,在同一时期,XLM和周围的大多数硬币的增长率为100%至1,100%。 因此,在2018年“光荣”的一年之后,为加密项目带...

加入欧意交易所,探索元宇宙世界!

探索DeFi,DApps, NFTs 和GameFi的世界,和OKX一起创造未来!