bert pytorch源码_【PyTorch】梯度爆炸、loss在反向传播变为nan
点击上方“MLNLP”,选择“星标”公众号
重磅干货,第一时间送达
作者丨CV路上一名研究僧
知乎专栏丨深度图像与视频增强
地址丨https://zhuanlan.zhihu.com/p/79046709
0. 遇到大坑
笔者在最近的项目中用到了自定义loss函数,代码一切都准备就绪后,在训练时遇到了梯度爆炸的问题,每次训练几个iterations后,梯度和loss都会变为nan。一般情况下,梯度变为nan都是出现了 , 等情况,导致结果变为+inf,也就成了nan。
1. 问题分析
笔者需要的loss函数如下:
其中, 。
从理论上分析,这个loss函数在反向传播过程中很可能会遇到梯度爆炸,这是为什么呢?反向传播的过程是对loss链式求一阶导数的过程,那么, 的导数为:
由于 ,这个导数又可以表示为:
这样的话,出现了类似于 的表达式,也就会出现典型的$0/1$问题了。为了避免这个问题,首先进行了如下的 改变:
经过改变,在$x_i=0$时,不再是 问题了,而是转换为了一个线性函数,梯度成为了恒定的12.9,从理论上来看,避免了梯度爆炸的问题。
2. PyTorch初步实现
在实现这一过程时,依旧...遇到了大坑,下面通过示例代码来说明:
""" loss = mse(X, gamma_inv(X)) """ def loss_function(x): mask = (x < 0.003).float() gamma_x = mask * 12.9 * x + (1-mask) * (x ** 0.5) loss = torch.mean((x - gamma_x) ** 2)return lossif __name__ == '__main__': x = Variable(torch.FloatTensor([0, 0.0025, 0.5, 0.8, 1]), requires_grad=True) loss = loss_function(x)print('loss:', loss) loss.backward()print(x.grad)
改进后的 是一个分支结构,在实现时,就采用了类似于Matlab中矩阵计算的mask方式,mask定义为 ,满足条件的$x_i$在mask中对应位置的值为1,因此, 的结构只会保留 的结果,同样的道理, 就实现了上述改进后的 公式。
按理来说,此时,在反向传播过程中的梯度应该是正确的,但是,上面代码的输出结果为:
loss: tensor(0.0105, grad_fn=)tensor([ nan, 0.1416, -0.0243, -0.0167, 0.0000])
emmm....依旧为nan,问题在理论层面得到了解决,但是,在实现层面依旧没能解决.....
3. 源码调试分析
上面源码的问题依旧在 的实现,这个过程,在Python解释器解释的过程或许是这样的:
计算 ,对mask进行广播式的乘法,结果为:原本为1的位置变为了12.9,原本为0的位置依旧为0;
将1.的结果继续与x相乘,本质上仍然是与x的每个元素相乘,只是mask中不满足条件的 位置为0,表现出的结果是仅对满足条件的 进行了计算;
按照2.所述的原理, 公式的后半部分也是同样的计算过程,即, 中的每个值依旧会进行 的计算;
按照上述过程进行前向传播,在反向传播时,梯度不是从某一个分支得到的,而是两个分支的题目相加得到的,换句话说,依旧没能解决梯度变为nan的问题。
4. 源码改进及问题解决
经过第三部分的分析,知道了梯度变为nan的根本原因是当 时依旧参与了 的计算,导致在反向传播时计算出的梯度为nan。
要解决这个问题,就要保证在 时不会进行这样的计算。
新的PyTorch代码如下:
def loss_function(x): mask = x < 0.003 gamma_x = torch.FloatTensor(x.size()).type_as(x) gamma_x[mask] = 12.9 * x[mask] mask = x >= 0.003 gamma_x[mask] = x[mask] ** 0.5 loss = torch.mean((x - gamma_x) ** 2)return lossif __name__ == '__main__': x = Variable(torch.FloatTensor([0, 0.0025, 0.5, 0.8, 1]), requires_grad=True) loss = loss_function(x)print('loss:', loss) loss.backward()print(x.grad)
改变的地方位于`loss_function`,改变了对于 分支的处理方式,控制并保住每次计算仅有满足条件的值可以参与。此时输出为:
loss: tensor(0.0105, grad_fn=)tensor([ 0.0000, 0.1416, -0.0243, -0.0167, 0.0000])
就此,问题解决!
如有疑问,欢迎留言~
推荐阅读:
实战 | Pytorch BiLSTM + CRF做NER
如何评价Word2Vec作者提出的fastText算法?深度学习是否在文本分类等简单任务上没有优势?
从Word2Vec到Bert,聊聊词向量的前世今生(一)
bert pytorch源码_【PyTorch】梯度爆炸、loss在反向传播变为nan相关推荐
- Transformer-XL解读(论文 + PyTorch源码)
前言 目前在NLP领域中,处理语言建模问题有两种最先进的架构:RNN和Transformer.RNN按照序列顺序逐个学习输入的单词或字符之间的关系,而Transformer则接收一整段序列,然后使用s ...
- ELMo解读(论文 + PyTorch源码)
ELMo的概念也是很早就出了,应该是18年初的事情了.但我仍然是后知后觉,居然还是等BERT出来很久之后,才知道有这么个东西.这两天才仔细看了下论文和源码,在这里做一些记录,如果有不详实的地方,欢迎指 ...
- [源码解析] PyTorch 流水线并行实现 (1)--基础知识
[源码解析] PyTorch 流水线并行实现 (1)–基础知识 文章目录 [源码解析] PyTorch 流水线并行实现 (1)--基础知识 0x00 摘要 0x01 历史 1.1 GPipe 1.2 ...
- 基于Pytorch源码对SGD、momentum、Nesterov学习
目前神经网络的监督学习过程通常为: 数据加载(load)进神经网络 经过网络参数对数据的计算,得出预测值(predict) 根据预测值与标注值(label)之间的差距,产生损失(loss) 通过反向传 ...
- [源码解析] PyTorch 分布式(2) ----- DataParallel(上)
[源码解析] PyTorch 分布式(2) ----- DataParallel(上) 文章目录 [源码解析] PyTorch 分布式(2) ----- DataParallel(上) 0x00 摘要 ...
- [源码解析] PyTorch 流水线并行实现 (6)--并行计算
[源码解析] PyTorch 流水线并行实现 (6)–并行计算 文章目录 [源码解析] PyTorch 流水线并行实现 (6)--并行计算 0x00 摘要 0x01 总体架构 1.1 使用 1.2 前 ...
- [源码解析] Pytorch 如何实现后向传播 (1)---- 调用引擎
[源码解析] Pytorch 如何实现后向传播 (1)---- 调用引擎 文章目录 [源码解析] Pytorch 如何实现后向传播 (1)---- 调用引擎 0x00 摘要 0x01 前文回顾 1.1 ...
- [源码解析] PyTorch分布式优化器(1)----基石篇
[源码解析] PyTorch分布式优化器(1)----基石篇 文章目录 [源码解析] PyTorch分布式优化器(1)----基石篇 0x00 摘要 0x01 从问题出发 1.1 示例 1.2 问题点 ...
- pytorch 测试每一类_DeepFM全方面解析(附pytorch源码)
写在前面 最近看了DeepFM这个模型.把我学习的思路和总结放上来给大家和未来的自己做个参考和借鉴.文章主要希望能串起学习DeepFM的各个环节,梳理整个学习思路.以"我"的角度浅 ...
最新文章
- 蕨叶形生物刷新生命史,动物界至少起源于5.7亿年前
- 【Scratch】青少年蓝桥杯_每日一题_3.17_蹦床
- Android和.NET通用的AES算法 (转) 好东东 收藏一下
- VTK:轮廓 Glow Pass用法实战
- 解决虚拟机能ping通宿主机,而宿主机不能ping通虚拟机
- it编年史_Java的编年史和低延迟
- ux设计师怎样找同类产品_没有预算? 别找借口。 便宜的UX上的UX 2:让我们开始构建。...
- Android AsyncTask 详解及注意事项
- 再记AE与AO的区别与联系
- 给char赋超过范围的值会发生什么
- 逍遥模拟器安装激活面具magisk教程
- 新版jadx-gui导入dex会提示Bad checksum
- 人社部:全力支持创业和灵活就业
- ue编辑器c语言语法高亮文件,自己动手做 UEStudio/UltraEdit 的语法高亮文件 (*.uew)...
- TOOD: Task-aligned One-stage Object Detection 原理与代码解析
- Linux指令--traceroute,netstat,ss
- 如何添加51la代码及隐藏统计图标
- 角谷猜想(次数+过程)
- 第七十七篇:车辆安全-车载软件C++语言开发指南(AUTOSAR C++)
- [转载]【转】ArcGIS 10安装方法(对比流行的2种安装方法)||迅雷电驴下载