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

qer1231年前 (2024-11-06)欧意交易所资讯383

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://juxingsy.com/post/1568.html

标签: hook
分享给朋友:

相关文章

硬件钱包:数字资产保险箱,安全与便捷并存

硬件钱包,一种专门用于安全存放加密货币等数字资产的物理装置。它就像是一个数字财富的保险箱。与软件钱包相比,它能够提供更加稳固的安全性。 何为硬件钱包 硬件钱包,这是一款专为保护数字资产安全而设计的硬件...

美国股市受全球关注,购买美股常见平台有哪些及特点分析

美国股市持续吸引着全球投资者的关注,投资者在购买美股时需借助合适的交易平台,以下我将为大家列举几个购买美股的常见平台。 盈透证券 盈透证券是一家实力雄厚的电子交易经纪商,享誉全球。其交易速度迅捷,订单...

探索BTT技术的创新性与发展潜力:满足新时代需求的高效数据传输解决方案

BTT对许多人而言可能并不熟悉。简而言之,在我看来,BTT是一种具有创新性和独特性的存在。它在所属领域有着自己独特的发展道路,并且具备相当大的发展潜力。 兴起背景 在这个科技飞速进步的时代,新技术和新...

数字货币投资:机遇与挑战并存,了解加密技术与市场波动

数字货币投资在现今是个热门的话题。它属于一种新兴的投资范畴,其中既蕴含着机遇,也面临着挑战。数字货币不像传统货币那样有完备的监管体系,它的价值波动极为剧烈且难以进行准确预测。 了解数字货币 数字货币借...

OK 交易所热门应用程序下载指南,轻松掌握下载流程

尊敬的各位,今日我将为您详细解读如何下载OK交易所热门应用程序。请放心,我将逐步指导,确保您阅读后即能掌握。 第一步:找到下载的地方 首要之事,需明确APP下载之地址。极为便捷,仅需在手机浏览器输入"...

涉案金额高达 77 亿元的 WoToken 数字货币传销案二审维持原判

涉案金额高达 77 亿元的 WoToken 数字货币传销案二审维持原判

驳回上诉,维持原判。 近日,据中国裁判文书网报道,江苏省盐城市中级人民法院对一起涉案金额77亿元的数字货币传销案作出二审刑事裁定,决定驳回上诉、维持原判。 江苏省盐城市中级人民法院对此案的二审判决...

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!