PyTorch 梯度计算所需的变量之一已通过就地操作进行了修改

Question

我在 PyTorch 中做一个策略梯度方法。我想将网络更新移动到循环中，但它停止了工作。我仍然是 PyTorch 新手，如果解释很明显，我很抱歉。

这是有效的原始代码：

self.policy.optimizer.zero_grad()
G = T.tensor(G, dtype=T.float).to(self.policy.device) 

loss = 0
for g, logprob in zip(G, self.action_memory):
    loss += -g * logprob
                                 
loss.backward()
self.policy.optimizer.step()

变化之后：

G = T.tensor(G, dtype=T.float).to(self.policy.device) 

loss = 0
for g, logprob in zip(G, self.action_memory):
    loss = -g * logprob
    self.policy.optimizer.zero_grad()
                                 
    loss.backward()
    self.policy.optimizer.step()

我得到错误：

File "g:\VScode_projects\pytorch_shenanigans\policy_gradient.py", line 86, in learn
    loss.backward()
  File "G:\Anaconda3\envs\pytorch_env\lib\site-packages\torch\tensor.py", line 185, in backward
    torch.autograd.backward(self, gradient, retain_graph, create_graph)
  File "G:\Anaconda3\envs\pytorch_env\lib\site-packages\torch\autograd\__init__.py", line 127, in backward
    allow_unreachable=True)  # allow_unreachable flag
RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.FloatTensor [128, 4]], which is output 0 of TBackward, is at version 2; expected version 1 instead. Hint: enable anomaly detection to find the operation that failed to compute its gradient, with torch.autograd.set_detect_anomaly(True).

我读到这个 ​​RuntimeError 通常与必须克隆某些东西有关，因为我们使用与 compute itself 相同的张量，但我无法确定我的情况有什么问题。

Answer 1

这行 loss += -g * logprob 是您的问题所在。

改成这样：

loss = loss + (-g * logprob)

是的，它们是不同的。它们执行相同的操作，但方式不同。