20230302

引言

在进行具体的研究时，利用Torch进行编程，考虑到是不是能够同时训练两个模型呢？！而且利用其中一个模型的输出来辅助另外一个模型进行学习。这一点，在我看来应该是很简单的，例如GAN网络同时训练这个生成器和判别器。但是实际操作中，却发现一直报错。

之前的时候利用Keras进行AAE（对抗自编码器）的编程的时候，他是把其中一个模型的参数trainable（应该是这个名字）定义为了false。

分析

在帖子[1]中，基本上完整的说明了我的问题，首先是实际往后推梯度直接报错，如下图。然后提议把这个retain_graph设置好；

设置了之后呢，依然是会报错：

这个报错过程，跟我写的程序是一模一样的。另外一个帖子[2]，两者给出的解答方式都是添加detach()。实际上，我理解哈，（之前最开始的时候看过计算图的相关内容，后来有点忘了），就是在第一个损失函数推完之后，这部分他的梯度已经没有了，那么再使用第一个模型中的输出变量与第二个模型进行计算的时候，这部分也会输出一部分梯度到这个第一个模型上，但是本质上，你已经不需要在进行计算了，而这个梯度可能还会遗留到后续，所以会出现这种报错。（通俗理解，可能内部细节更多）

而添加detach()之后，就是为了吧这个变量从计算图中取出来，但是不用计算梯度，见文章[3]。所以可以解决这个问题。如果这样话，其实retain_graph变量可以依然是false。具体可以看AAE这部分的代码

这部分核心在于最后部分计算的时候，encoded_img已经用过了，而且梯度也推完了，那么后面再次使用的时候，就需要加上detach()。

参考

[1]How to train Two models simultaneously?
[2]Training multiple models at the same time
[3]pytorch .detach() .detach_() 和 .data用于切断反向传播
[4]PyTorch-GAN/implementations/aae/aae.py