梯度削减方法

1.torch.nn.utils.clip_grad_norm_

https://pytorch.org/docs/master/generated/torch.nn.utils.clip_grad_norm_.html

根据梯度的范数值进行削减，

https://stackoverflow.com/questions/54716377/how-to-do-gradient-clipping-in-pytorch

optimizer.zero_grad()        
loss, hidden = model(data, hidden, targets)
loss.backward()

torch.nn.utils.clip_grad_norm_(model.parameters(), args.clip)
optimizer.step()

2.clip_grad_value_

https://github.com/pytorch/pytorch/blob/master/torch/nn/utils/clip_grad.py，这两个的代码实现都在这个文件下。

如果是根据范数削减，就会先求范数：

如果是根据值削减，那就简单了： 

直接对存在梯度值的参数进行削减。使用方法：

nn.utils.clip_grad_value_(net.linear.weight, clip_value=1.1)

3.例子

https://zhuanlan.zhihu.com/p/99953668，这个非常好。

给出的梯度=120的时候，就会导致梯度爆炸，后续更新参数就会出现问题。

下面这个实验是想看一下net.named_parameters()和net.parameters()访问所有参数有什么区别

import torch
import torch.nn as nn
class LinearNet(nn.Module):
    def __init__(self, features_in=1, features_out=1):
        super().__init__()
        self.linear = nn.Linear(features_in, features_in)
        self.linear2 = nn.Linear(features_in, features_out)
        self._init_weight()

    def forward(self, x):
        return self.linear(x)
    def _init_weight(self):
        nn.init.constant_(self.linear.weight, val=1)
        nn.init.constant_(self.linear.bias, val=0)
net = LinearNet()
for tag, value in net.named_parameters():
    print(tag)
    print(value)
    
print('
')
for p in net.parameters():
    print(p)
    print(p.grad)

输出：

linear.weight #参数名
Parameter containing: #参数的值
tensor([[1.]], requires_grad=True)
linear.bias
Parameter containing:
tensor([0.], requires_grad=True)
linear2.weight
Parameter containing:
tensor([[-0.4493]], requires_grad=True)
linear2.bias
Parameter containing:
tensor([0.9038], requires_grad=True)


Parameter containing:#直接就是只有值
tensor([[1.]], requires_grad=True)
None#通过.grad就可以访问梯度，但由于现在还没求，所以是None
Parameter containing:
tensor([0.], requires_grad=True)
None
Parameter containing:
tensor([[-0.4493]], requires_grad=True)
None
Parameter containing:
tensor([0.9038], requires_grad=True)
None

 4.爆炸/消失原因

知乎 https://zhuanlan.zhihu.com/p/48776056

梯度爆炸：当梯度g>1且计算次数n比较大时，  有可能会变得非常大；

梯度消失：当g<1且计算次数n比较大时，有可能非常小，基本相当于为０。

5.过程 

先梯度截断，再用优化器更新梯度参数。