Modules

创建于：2021年02月04日 | 最后更新于：2024年11月08日

PyTorch 使用模块来表示神经网络。模块是

• 有状态计算的基本构建块。 PyTorch 提供了一个强大的模块库，并允许轻松定义新的自定义模块，从而可以轻松构建复杂的、多层神经网络。

• 与 PyTorch 的 autograd 系统紧密集成。 模块可以轻松地指定 PyTorch 优化器要更新的可学习参数。

• 易于使用和转换。 模块可以轻松地保存和恢复、在 CPU / GPU / TPU 设备之间传输、剪枝、量化等。

本文档介绍了模块，面向所有 PyTorch 用户。由于模块在 PyTorch 中非常基础，因此本文档中的许多主题将在其他文档或教程中进一步阐述，并且此处也提供了许多链接到这些文档。

一个简单的自定义模块

为了入门，让我们来看一个 PyTorch 的 Linear 模块的简化自定义版本。该模块对输入应用仿射变换。

import torch
from torch import nn

class MyLinear(nn.Module):
  def __init__(self, in_features, out_features):
    super().__init__()
    self.weight = nn.Parameter(torch.randn(in_features, out_features))
    self.bias = nn.Parameter(torch.randn(out_features))

  def forward(self, input):
    return (input @ self.weight) + self.bias

这个简单的模块具有模块的以下基本特征：

• 它继承自基础的 Module 类。 所有模块都应该继承自 Module，以便与其他模块组合。

• 它定义了一些用于计算的“状态”。 在这里，状态由随机初始化的 weight 和 bias 张量组成，它们定义了仿射变换。由于这些都定义为 Parameter，因此它们会被注册到模块中，并且会由对 parameters() 的调用自动跟踪和返回。参数可以被认为是模块计算的“可学习”方面（稍后将详细介绍）。请注意，模块不一定需要有状态，也可以是无状态的。

• 它定义了一个执行计算的 forward() 函数。 对于这个仿射变换模块，输入通过矩阵乘法与 weight 参数相乘（使用 @ 简写表示法），并加上 bias 参数以产生输出。更一般地，模块的 forward() 实现可以执行涉及任意数量输入和输出的任意计算。

这个简单的模块演示了模块如何将状态和计算打包在一起。可以通过构造并调用此模块的实例来完成

m = MyLinear(4, 3)
sample_input = torch.randn(4)
m(sample_input)
: tensor([-0.3037, -1.0413, -4.2057], grad_fn=<AddBackward0>)

请注意，模块本身是可调用的，调用它会调用其 forward() 函数。这个名字是对“前向传播”和“反向传播”概念的引用，这些概念适用于每个模块。“前向传播”负责将模块表示的计算应用于给定的输入（如上面的代码片段所示）。“反向传播”计算模块输出相对于其输入的梯度，这些梯度可用于通过梯度下降方法“训练”参数。PyTorch 的 autograd 系统会自动处理这种反向传播计算，因此无需为每个模块手动实现 backward() 函数。通过 successive 前向/反向传播训练模块参数的过程将在 使用模块进行神经网络训练 中详细介绍。

通过调用 parameters() 或 named_parameters() 可以遍历模块注册的全部参数，后者包含每个参数的名称。

for parameter in m.named_parameters():
  print(parameter)
: ('weight', Parameter containing:
tensor([[ 1.0597,  1.1796,  0.8247],
        [-0.5080, -1.2635, -1.1045],
        [ 0.0593,  0.2469, -1.4299],
        [-0.4926, -0.5457,  0.4793]], requires_grad=True))
('bias', Parameter containing:
tensor([ 0.3634,  0.2015, -0.8525], requires_grad=True))

通常，模块注册的参数是模块计算中应被“学习”的方面。本文档的后续部分将介绍如何使用 PyTorch 的优化器之一来更新这些参数。但在那之前，让我们先研究一下模块如何相互组合。

模块作为构建块

模块可以包含其他模块，使它们成为开发更复杂功能的有用构建块。最简单的方法是使用 Sequential 模块。它允许我们将多个模块链接在一起。

net = nn.Sequential(
  MyLinear(4, 3),
  nn.ReLU(),
  MyLinear(3, 1)
)

sample_input = torch.randn(4)
net(sample_input)
: tensor([-0.6749], grad_fn=<AddBackward0>)

请注意，Sequential 会自动将第一个 MyLinear 模块的输出作为输入传递给 ReLU，然后将后者的输出作为输入传递给第二个 MyLinear 模块。如所示，它仅限于具有单个输入和输出的模块的顺序链接。

总的来说，建议对于除了最简单用例之外的任何情况都定义一个自定义模块，因为这可以为模块的计算中如何使用子模块提供完全的灵活性。

例如，这是一个作为自定义模块实现的简单神经网络：

import torch.nn.functional as F

class Net(nn.Module):
  def __init__(self):
    super().__init__()
    self.l0 = MyLinear(4, 3)
    self.l1 = MyLinear(3, 1)
  def forward(self, x):
    x = self.l0(x)
    x = F.relu(x)
    x = self.l1(x)
    return x

该模块由两个“子模块”或“子模块”（l0 和 l1）组成，它们定义了神经网络的层并在模块的 forward() 方法中用于计算。模块的直接子模块可以通过调用 children() 或 named_children() 进行迭代。

net = Net()
for child in net.named_children():
  print(child)
: ('l0', MyLinear())
('l1', MyLinear())

要深入到直接子模块之外，modules() 和 named_modules() 会递归地迭代一个模块及其子模块。

class BigNet(nn.Module):
  def __init__(self):
    super().__init__()
    self.l1 = MyLinear(5, 4)
    self.net = Net()
  def forward(self, x):
    return self.net(self.l1(x))

big_net = BigNet()
for module in big_net.named_modules():
  print(module)
: ('', BigNet(
  (l1): MyLinear()
  (net): Net(
    (l0): MyLinear()
    (l1): MyLinear()
  )
))
('l1', MyLinear())
('net', Net(
  (l0): MyLinear()
  (l1): MyLinear()
))
('net.l0', MyLinear())
('net.l1', MyLinear())

有时，模块需要动态定义子模块。 ModuleList 和 ModuleDict 模块在这里很有用；它们从列表或字典中注册子模块。

class DynamicNet(nn.Module):
  def __init__(self, num_layers):
    super().__init__()
    self.linears = nn.ModuleList(
      [MyLinear(4, 4) for _ in range(num_layers)])
    self.activations = nn.ModuleDict({
      'relu': nn.ReLU(),
      'lrelu': nn.LeakyReLU()
    })
    self.final = MyLinear(4, 1)
  def forward(self, x, act):
    for linear in self.linears:
      x = linear(x)
      x = self.activations[act](x)
    x = self.final(x)
    return x

dynamic_net = DynamicNet(3)
sample_input = torch.randn(4)
output = dynamic_net(sample_input, 'relu')

对于任何给定的模块，其参数包括其直接参数以及所有子模块的参数。这意味着对 parameters() 和 named_parameters() 的调用将递归地包含子参数，从而方便地优化网络中的所有参数。

for parameter in dynamic_net.named_parameters():
  print(parameter)
: ('linears.0.weight', Parameter containing:
tensor([[-1.2051,  0.7601,  1.1065,  0.1963],
        [ 3.0592,  0.4354,  1.6598,  0.9828],
        [-0.4446,  0.4628,  0.8774,  1.6848],
        [-0.1222,  1.5458,  1.1729,  1.4647]], requires_grad=True))
('linears.0.bias', Parameter containing:
tensor([ 1.5310,  1.0609, -2.0940,  1.1266], requires_grad=True))
('linears.1.weight', Parameter containing:
tensor([[ 2.1113, -0.0623, -1.0806,  0.3508],
        [-0.0550,  1.5317,  1.1064, -0.5562],
        [-0.4028, -0.6942,  1.5793, -1.0140],
        [-0.0329,  0.1160, -1.7183, -1.0434]], requires_grad=True))
('linears.1.bias', Parameter containing:
tensor([ 0.0361, -0.9768, -0.3889,  1.1613], requires_grad=True))
('linears.2.weight', Parameter containing:
tensor([[-2.6340, -0.3887, -0.9979,  0.0767],
        [-0.3526,  0.8756, -1.5847, -0.6016],
        [-0.3269, -0.1608,  0.2897, -2.0829],
        [ 2.6338,  0.9239,  0.6943, -1.5034]], requires_grad=True))
('linears.2.bias', Parameter containing:
tensor([ 1.0268,  0.4489, -0.9403,  0.1571], requires_grad=True))
('final.weight', Parameter containing:
tensor([[ 0.2509], [-0.5052], [ 0.3088], [-1.4951]], requires_grad=True))
('final.bias', Parameter containing:
tensor([0.3381], requires_grad=True))

使用 to() 可以轻松地将所有参数移动到不同的设备或更改其精度。

# Move all parameters to a CUDA device
dynamic_net.to(device='cuda')

# Change precision of all parameters
dynamic_net.to(dtype=torch.float64)

dynamic_net(torch.randn(5, device='cuda', dtype=torch.float64))
: tensor([6.5166], device='cuda:0', dtype=torch.float64, grad_fn=<AddBackward0>)

更一般地，可以通过使用 apply() 函数将任意函数递归地应用于模块及其子模块。例如，为模块及其子模块的参数应用自定义初始化。

# Define a function to initialize Linear weights.
# Note that no_grad() is used here to avoid tracking this computation in the autograd graph.
@torch.no_grad()
def init_weights(m):
  if isinstance(m, nn.Linear):
    nn.init.xavier_normal_(m.weight)
    m.bias.fill_(0.0)

# Apply the function recursively on the module and its submodules.
dynamic_net.apply(init_weights)

这些示例展示了如何通过模块组合来形成复杂的神经网络并方便地进行操作。为了能够以最少的样板代码快速轻松地构建神经网络，PyTorch 在 torch.nn 命名空间中提供了大量高性能模块，这些模块执行常见的神经网络操作，如池化、卷积、损失函数等。

在下一节中，我们将提供一个完整的神经网络训练示例。

有关更多信息，请查看

• PyTorch 提供的模块库：torch.nn

• 定义神经网络模块：https://pytorch.ac.cn/tutorials/beginner/examples_nn/polynomial_module.html

使用模块进行神经网络训练

一旦构建了网络，就必须对其进行训练，并且可以使用 torch.optim 中的 PyTorch 优化器之一轻松优化其参数。

# Create the network (from previous section) and optimizer
net = Net()
optimizer = torch.optim.SGD(net.parameters(), lr=1e-4, weight_decay=1e-2, momentum=0.9)

# Run a sample training loop that "teaches" the network
# to output the constant zero function
for _ in range(10000):
  input = torch.randn(4)
  output = net(input)
  loss = torch.abs(output)
  net.zero_grad()
  loss.backward()
  optimizer.step()

# After training, switch the module to eval mode to do inference, compute performance metrics, etc.
# (see discussion below for a description of training and evaluation modes)
...
net.eval()
...

在这个简化的例子中，网络学会了简单地输出零，因为任何非零输出都会根据其绝对值被“惩罚”，通过使用 torch.abs() 作为损失函数。虽然这不是一个非常有趣的任务，但训练的关键部分是存在的：

• 创建了一个网络。

• 创建了一个优化器（在本例中是随机梯度下降优化器），并将网络的参数与之关联。

• 一个训练循环……

  • 获取输入，

  • 运行网络，

  • 计算损失，

  • 清零网络参数的梯度，

  • 调用 loss.backward() 来更新参数的梯度，

  • 调用 optimizer.step() 来将梯度应用于参数。

在上述代码片段运行后，请注意网络的参数已发生变化。特别是，检查 l1 的 weight 参数的值表明其值现在更接近于 0（正如预期的那样）。

print(net.l1.weight)
: Parameter containing:
tensor([[-0.0013],
        [ 0.0030],
        [-0.0008]], requires_grad=True)

请注意，上述过程完全在网络模块处于“训练模式”时进行。模块默认处于训练模式，可以使用 train() 和 eval() 在训练和评估模式之间切换。它们在不同模式下的行为可能不同。例如，BatchNorm 模块在训练期间维护一个运行均值和方差，在评估模式下不更新。通常，模块在训练期间应处于训练模式，仅在推理或评估时切换到评估模式。下面是一个在两种模式下行为不同的自定义模块示例：

class ModalModule(nn.Module):
  def __init__(self):
    super().__init__()

  def forward(self, x):
    if self.training:
      # Add a constant only in training mode.
      return x + 1.
    else:
      return x


m = ModalModule()
x = torch.randn(4)

print('training mode output: {}'.format(m(x)))
: tensor([1.6614, 1.2669, 1.0617, 1.6213, 0.5481])

m.eval()
print('evaluation mode output: {}'.format(m(x)))
: tensor([ 0.6614,  0.2669,  0.0617,  0.6213, -0.4519])

训练神经网络常常是一项棘手的任务。有关更多信息，请查看：

• 使用优化器：https://pytorch.ac.cn/tutorials/beginner/examples_nn/two_layer_net_optim.html。

• 神经网络训练：https://pytorch.ac.cn/tutorials/beginner/blitz/neural_networks_tutorial.html

• Autograd 入门：https://pytorch.ac.cn/tutorials/beginner/blitz/autograd_tutorial.html

模块状态

在上一个章节中，我们演示了训练模块的“参数”或可学习的计算方面。现在，如果我们想将训练好的模型保存到磁盘，可以通过保存其 state_dict（即“状态字典”）来完成。

# Save the module
torch.save(net.state_dict(), 'net.pt')

...

# Load the module later on
new_net = Net()
new_net.load_state_dict(torch.load('net.pt'))
: <All keys matched successfully>

模块的 state_dict 包含影响其计算的状态。这包括但不限于模块的参数。对于某些模块，可能需要参数以外的状态来影响模块计算但又不可学习。对于这些情况，PyTorch 提供了“缓冲区”的概念，包括“持久”和“非持久”两种。以下是模块可以具有的各种状态类型的概述：

• 参数：计算的可学习方面；包含在 state_dict 中。

• 缓冲区：计算的不可学习方面。

  • 持久缓冲区：包含在 state_dict 中（即保存和加载时进行序列化）。

  • 非持久缓冲区：不包含在 state_dict 中（即在序列化时排除）。

作为缓冲区的用例的激励性示例，考虑一个维护运行均值的简单模块。我们希望运行均值的当前值被视为模块 state_dict 的一部分，以便在加载模块的序列化形式时进行恢复，但我们不希望它是可学习的。此代码段显示了如何使用 register_buffer() 来实现此目的。

class RunningMean(nn.Module):
  def __init__(self, num_features, momentum=0.9):
    super().__init__()
    self.momentum = momentum
    self.register_buffer('mean', torch.zeros(num_features))
  def forward(self, x):
    self.mean = self.momentum * self.mean + (1.0 - self.momentum) * x
    return self.mean

现在，运行均值的当前值被视为模块 state_dict 的一部分，并且在从磁盘加载模块时会得到正确恢复。

m = RunningMean(4)
for _ in range(10):
  input = torch.randn(4)
  m(input)

print(m.state_dict())
: OrderedDict([('mean', tensor([ 0.1041, -0.1113, -0.0647,  0.1515]))]))

# Serialized form will contain the 'mean' tensor
torch.save(m.state_dict(), 'mean.pt')

m_loaded = RunningMean(4)
m_loaded.load_state_dict(torch.load('mean.pt'))
assert(torch.all(m.mean == m_loaded.mean))

如前所述，可以通过将缓冲区标记为非持久性来将其排除在模块的 state_dict 之外。

self.register_buffer('unserialized_thing', torch.randn(5), persistent=False)

通过 to() 应用于模型的全局设备/dtype 更改会同时影响持久和非持久缓冲区。

# Moves all module parameters and buffers to the specified device / dtype
m.to(device='cuda', dtype=torch.float64)

可以使用 buffers() 或 named_buffers() 迭代模块的缓冲区。

for buffer in m.named_buffers():
  print(buffer)

以下类演示了在模块中注册参数和缓冲区的各种方法。

class StatefulModule(nn.Module):
  def __init__(self):
    super().__init__()
    # Setting a nn.Parameter as an attribute of the module automatically registers the tensor
    # as a parameter of the module.
    self.param1 = nn.Parameter(torch.randn(2))

    # Alternative string-based way to register a parameter.
    self.register_parameter('param2', nn.Parameter(torch.randn(3)))

    # Reserves the "param3" attribute as a parameter, preventing it from being set to anything
    # except a parameter. "None" entries like this will not be present in the module's state_dict.
    self.register_parameter('param3', None)

    # Registers a list of parameters.
    self.param_list = nn.ParameterList([nn.Parameter(torch.randn(2)) for i in range(3)])

    # Registers a dictionary of parameters.
    self.param_dict = nn.ParameterDict({
      'foo': nn.Parameter(torch.randn(3)),
      'bar': nn.Parameter(torch.randn(4))
    })

    # Registers a persistent buffer (one that appears in the module's state_dict).
    self.register_buffer('buffer1', torch.randn(4), persistent=True)

    # Registers a non-persistent buffer (one that does not appear in the module's state_dict).
    self.register_buffer('buffer2', torch.randn(5), persistent=False)

    # Reserves the "buffer3" attribute as a buffer, preventing it from being set to anything
    # except a buffer. "None" entries like this will not be present in the module's state_dict.
    self.register_buffer('buffer3', None)

    # Adding a submodule registers its parameters as parameters of the module.
    self.linear = nn.Linear(2, 3)

m = StatefulModule()

# Save and load state_dict.
torch.save(m.state_dict(), 'state.pt')
m_loaded = StatefulModule()
m_loaded.load_state_dict(torch.load('state.pt'))

# Note that non-persistent buffer "buffer2" and reserved attributes "param3" and "buffer3" do
# not appear in the state_dict.
print(m_loaded.state_dict())
: OrderedDict([('param1', tensor([-0.0322,  0.9066])),
               ('param2', tensor([-0.4472,  0.1409,  0.4852])),
               ('buffer1', tensor([ 0.6949, -0.1944,  1.2911, -2.1044])),
               ('param_list.0', tensor([ 0.4202, -0.1953])),
               ('param_list.1', tensor([ 1.5299, -0.8747])),
               ('param_list.2', tensor([-1.6289,  1.4898])),
               ('param_dict.bar', tensor([-0.6434,  1.5187,  0.0346, -0.4077])),
               ('param_dict.foo', tensor([-0.0845, -1.4324,  0.7022])),
               ('linear.weight', tensor([[-0.3915, -0.6176],
                                         [ 0.6062, -0.5992],
                                         [ 0.4452, -0.2843]])),
               ('linear.bias', tensor([-0.3710, -0.0795, -0.3947]))])

有关更多信息，请查看

• 保存和加载：https://pytorch.ac.cn/tutorials/beginner/saving_loading_models.html

• 序列化语义：https://pytorch.ac.cn/docs/stable/notes/serialization.html

• 什么是 state dict？ https://pytorch.ac.cn/tutorials/recipes/recipes/what_is_state_dict.html

模块初始化

默认情况下，torch.nn 提供的模块的参数和浮点缓冲区在模块实例化期间被初始化为 CPU 上的 32 位浮点值，使用历史证明对模块类型效果良好的初始化方案。对于某些用例，可能希望使用不同的 dtype、设备（例如 GPU）或初始化技术。

示例

# Initialize module directly onto GPU.
m = nn.Linear(5, 3, device='cuda')

# Initialize module with 16-bit floating point parameters.
m = nn.Linear(5, 3, dtype=torch.half)

# Skip default parameter initialization and perform custom (e.g. orthogonal) initialization.
m = torch.nn.utils.skip_init(nn.Linear, 5, 3)
nn.init.orthogonal_(m.weight)

请注意，上面演示的设备和 dtype 选项也适用于为模块注册的任何浮点缓冲区。

m = nn.BatchNorm2d(3, dtype=torch.half)
print(m.running_mean)
: tensor([0., 0., 0.], dtype=torch.float16)

虽然模块编写者可以在自定义模块中初始化参数时使用任何设备或 dtype，但最佳实践是默认也使用 dtype=torch.float 和 device='cpu'。可选地，可以通过遵循上面演示的 torch.nn 模块所遵循的约定，为自定义模块提供这些方面的完全灵活性。

• 提供一个 device 构造函数关键字参数，该参数适用于模块注册的任何参数/缓冲区。

• 提供一个 dtype 构造函数关键字参数，该参数适用于模块注册的任何参数/浮点缓冲区。

• 仅在模块构造函数中使用初始化函数（即来自 torch.nn.init 的函数）来处理参数和缓冲区。请注意，这仅在使用 skip_init() 时才需要；有关解释，请参阅此页面。

有关更多信息，请查看

• 跳过模块参数初始化：https://pytorch.ac.cn/tutorials/prototype/skip_param_init.html

模块钩子

在 使用模块进行神经网络训练 中，我们演示了模块的训练过程，该过程迭代地执行前向和后向传播，并在每次迭代时更新模块参数。为了更好地控制此过程，PyTorch 提供了“钩子”，可以在前向或后向传播期间执行任意计算，甚至根据需要修改传播方式。此功能的一些有用示例包括调试、可视化激活、深入检查梯度等。钩子可以添加到您自己未编写的模块中，这意味着此功能可以应用于第三方或 PyTorch 提供的模块。

PyTorch 为模块提供了两种类型的钩子：

• 前向钩子在前向传播期间调用。可以使用 register_forward_pre_hook() 和 register_forward_hook() 为给定模块安装它们。这些钩子分别在调用 forward 函数之前和之后调用。或者，可以使用等效的 register_module_forward_pre_hook() 和 register_module_forward_hook() 函数为所有模块全局安装这些钩子。

• 后向钩子在后向传播期间调用。可以使用 register_full_backward_pre_hook() 和 register_full_backward_hook() 安装它们。在计算完此模块的后向传播后，将调用这些钩子。 register_full_backward_pre_hook() 允许用户访问输出的梯度，而 register_full_backward_hook() 允许用户访问输入和输出的梯度。或者，可以使用 register_module_full_backward_hook() 和 register_module_full_backward_pre_hook() 为所有模块全局安装它们。

所有钩子都允许用户返回一个更新后的值，该值将在其余计算中使用。因此，这些钩子可用于沿常规模块前向/后向传播执行任意代码，或在不更改模块 forward() 函数的情况下修改某些输入/输出。

以下示例演示了前向和后向钩子的用法。

torch.manual_seed(1)

def forward_pre_hook(m, inputs):
  # Allows for examination and modification of the input before the forward pass.
  # Note that inputs are always wrapped in a tuple.
  input = inputs[0]
  return input + 1.

def forward_hook(m, inputs, output):
  # Allows for examination of inputs / outputs and modification of the outputs
  # after the forward pass. Note that inputs are always wrapped in a tuple while outputs
  # are passed as-is.

  # Residual computation a la ResNet.
  return output + inputs[0]

def backward_hook(m, grad_inputs, grad_outputs):
  # Allows for examination of grad_inputs / grad_outputs and modification of
  # grad_inputs used in the rest of the backwards pass. Note that grad_inputs and
  # grad_outputs are always wrapped in tuples.
  new_grad_inputs = [torch.ones_like(gi) * 42. for gi in grad_inputs]
  return new_grad_inputs

# Create sample module & input.
m = nn.Linear(3, 3)
x = torch.randn(2, 3, requires_grad=True)

# ==== Demonstrate forward hooks. ====
# Run input through module before and after adding hooks.
print('output with no forward hooks: {}'.format(m(x)))
: output with no forward hooks: tensor([[-0.5059, -0.8158,  0.2390],
                                        [-0.0043,  0.4724, -0.1714]], grad_fn=<AddmmBackward>)

# Note that the modified input results in a different output.
forward_pre_hook_handle = m.register_forward_pre_hook(forward_pre_hook)
print('output with forward pre hook: {}'.format(m(x)))
: output with forward pre hook: tensor([[-0.5752, -0.7421,  0.4942],
                                        [-0.0736,  0.5461,  0.0838]], grad_fn=<AddmmBackward>)

# Note the modified output.
forward_hook_handle = m.register_forward_hook(forward_hook)
print('output with both forward hooks: {}'.format(m(x)))
: output with both forward hooks: tensor([[-1.0980,  0.6396,  0.4666],
                                          [ 0.3634,  0.6538,  1.0256]], grad_fn=<AddBackward0>)

# Remove hooks; note that the output here matches the output before adding hooks.
forward_pre_hook_handle.remove()
forward_hook_handle.remove()
print('output after removing forward hooks: {}'.format(m(x)))
: output after removing forward hooks: tensor([[-0.5059, -0.8158,  0.2390],
                                               [-0.0043,  0.4724, -0.1714]], grad_fn=<AddmmBackward>)

# ==== Demonstrate backward hooks. ====
m(x).sum().backward()
print('x.grad with no backwards hook: {}'.format(x.grad))
: x.grad with no backwards hook: tensor([[ 0.4497, -0.5046,  0.3146],
                                         [ 0.4497, -0.5046,  0.3146]])

# Clear gradients before running backward pass again.
m.zero_grad()
x.grad.zero_()

m.register_full_backward_hook(backward_hook)
m(x).sum().backward()
print('x.grad with backwards hook: {}'.format(x.grad))
: x.grad with backwards hook: tensor([[42., 42., 42.],
                                      [42., 42., 42.]])

高级特性

PyTorch 还提供了一些更高级的特性，这些特性是为与模块配合使用而设计的。所有这些功能都可用于自定义编写的模块，但有一个小小的注意事项：某些功能可能要求模块遵循特定的约束才能得到支持。有关这些功能和相应要求的详细讨论，请参阅以下链接。

分布式训练

PyTorch 中存在各种分布式训练方法，既可以利用多个 GPU 进行训练扩展，也可以跨多台机器进行训练。有关如何使用这些方法的详细信息，请查看 分布式训练概览页面。

性能分析

PyTorch Profiler 在识别模型中的性能瓶颈方面非常有用。它测量并输出内存使用和花费时间方面的性能特征。

通过量化提高性能

将量化技术应用于模块可以通过使用比浮点精度更低的比特宽度来提高性能和内存使用率。在此处查看 PyTorch 提供的各种量化机制：https://pytorch.ac.cn/docs/stable/quantization.html。

通过剪枝提高内存使用率

大型深度学习模型通常参数过多，导致内存使用量大。为了解决这个问题，PyTorch 提供了模型剪枝的机制，这有助于在保持任务准确性的同时减少内存使用。 剪枝教程 介绍了如何利用 PyTorch 提供的剪枝技术或根据需要定义自定义剪枝技术。

参数化

对于某些应用，在模型训练期间约束参数空间可能是有益的。例如，强制学习参数的正交性可以提高 RNN 的收敛性。PyTorch 提供了一种应用此类 参数化 的机制，并进一步允许定义自定义约束。

使用 FX 转换模块

PyTorch 的 FX 组件提供了一种灵活的方式来通过直接操作模块计算图来转换模块。这可用于以编程方式生成或操作模块，以满足广泛的用例。要探索 FX，请查看以下使用 FX 进行 卷积 + 批标准化融合 和 CPU 性能分析 的示例。