模块

创建于：2021年2月4日 | 最后更新于：2024年11月8日

PyTorch 使用模块来表示神经网络。模块是

• 有状态计算的构建块。 PyTorch 提供了一个强大的模块库，并使得定义新的自定义模块变得简单，从而可以轻松构建复杂的、多层的神经网络。

• 与 PyTorch 的 autograd 系统紧密集成。 模块使得为 PyTorch 的优化器指定可学习参数以进行更新变得简单。

• 易于使用和转换。 模块易于保存和恢复，在 CPU / GPU / TPU 设备之间传输，剪枝，量化等等。

本笔记描述了模块，适用于所有 PyTorch 用户。由于模块对 PyTorch 来说是如此基础，本笔记中的许多主题在其他笔记或教程中都有详细阐述，此处也提供了许多这些文档的链接。

一个简单的自定义模块

首先，让我们看看 PyTorch 的 Linear 模块的一个更简单的自定义版本。这个模块对其输入应用一个仿射变换。

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

• 它继承自基础模块类。 所有模块都应继承 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，状态包括随机初始化的 weight 和 bias 张量，它们定义了仿射变换。因为它们都被定义为 Parameter，所以它们被模块**注册**，并将自动被 parameters() 调用跟踪和返回。参数可以被认为是模块计算的“可学习”方面（稍后详述）。请注意，模块不一定有状态，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，输入与 weight 参数进行矩阵乘法（使用 @ 简写符号），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封装在一起。可以构造和调用此模块的实例

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，并且调用它会调用其 forward() 函数。这个名称是指“前向传播”和“反向传播”的概念，它们适用于每个模块。“前向传播”负责将模块表示的计算应用于给定的输入（如上述代码片段所示）。“反向传播”计算模块输出相对于其输入的梯度，这可以用于通过梯度下降方法“训练”参数。PyTorch 的 autograd 系统自动处理此反向传播计算，因此无需为每个模块手动实现 backward() 函数。通过连续的前向/反向传播训练模块参数的过程在 使用模块进行神经网络训练 中详细介绍。

可以通过调用 parameters() 或 named_parameters() 来迭代模块注册的所有参数，后者包括每个参数的名称

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))

一般来说，模块注册的参数是模块计算中应该被“学习”的方面。本笔记的后面部分将展示如何使用 PyTorch 的优化器之一更新这些参数。但是，在此之前，我们首先研究模块如何相互组合。

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串联起来

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馈送给 ReLU，并将其输出作为输入馈送给第二个 MyLinear 模块。如所示，它仅限于按顺序串联具有单个输入和输出的模块。

一般来说，对于超出最简单用例的任何情况，建议定义一个自定义模块，因为这为如何将子模块用于模块的计算提供了充分的灵活性。

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”（l0 和 l1）组成，它们定义了神经网络的层，并用于模块 forward() 方法中的计算。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())

为了比仅限于直接子模块更深入地遍历，modules() 和 named_modules() **递归地**遍历模块及其子模块

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 模块在此处很有用；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，其参数由其直接参数以及所有子模块的参数组成。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() 将所有参数移动到不同设备或更改其精度也很容易

# 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，要对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形成复杂的神经网络并方便地进行操作。为了快速轻松地构建神经网络，PyTorch 在 torch.nn 命名空间中提供了一个大型高性能模块库，用于执行池化、卷积、损失函数等常见神经网络操作。

在下一节中，我们将给出一个训练神经网络的完整示例。

欲了解更多信息，请查阅

• 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

网络构建完成后，必须对其进行训练，并且可以使用 torch.optim 中的 PyTorch 优化器轻松优化其参数

# 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()
...

在这个简化示例中，网络学习简单地输出零，因为任何非零输出都会根据其绝对值通过使用 torch.abs() 作为损失函数而受到“惩罚”。虽然这不是一个非常有趣的任务，但训练的关键部分都存在

• 网络已创建。

• 创建了一个优化器（在此例中为随机梯度下降优化器），并将网络的参数与其关联。

• 一个训练循环…

  • 获取输入，

  • 运行网络，

  • 计算损失，

  • 将网络参数的梯度归零，

  • 调用 loss.backward() 更新参数梯度，

  • 调用 optimizer.step() 将梯度应用于参数。

上述代码片段运行后，请注意网络的参数已经改变。特别是，检查 l1 的 weight 参数的值会发现其值现在非常接近 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”时完成。模块默认处于训练模式，可以使用 train() 和 eval() 在训练模式和评估模式之间切换。它们的行为可能因所处模式而异。例如，BatchNorm 模块在训练期间保持运行均值和方差，当模块处于评估模式时，这些值不会更新。通常，模块在训练期间应处于训练模式，并且仅在推理或评估时切换到评估模式。以下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])

训练神经网络通常很棘手。欲了解更多信息，请查阅

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

模块状态

在上一节中，我们演示了训练模块的“参数”，即计算的可学习方面。现在，如果我们要将训练好的模型保存到磁盘，我们可以通过保存其 state_dict（即“状态字典”）来实现

# 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，拥有超出参数但影响模块计算但不可学习的状态可能很有用。对于此类情况，PyTorch 提供了“缓冲区”的概念，包括“持久”和“非持久”缓冲区。以下是模块可以拥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（即在保存和加载时序列化）

  • 非持久缓冲区：不包含在 state_dict 中（即在序列化时省略）

作为使用缓冲区的动机示例，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能够恢复它，但我们不希望它是可学习的。此代码片段展示了如何使用 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将正确恢复

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，通过将缓冲区标记为非持久性，可以将其从模块的 state_dict 中排除

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

持久和非持久缓冲区都会受到使用 to() 应用的模型范围设备/dtype 更改的影响

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

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

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]))])

欲了解更多信息，请查阅

• 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

• 什么是状态字典？https://pytorch.ac.cn/tutorials/recipes/recipes/what_is_state_dict.html

模块初始化

默认情况下，由 torch.nn 提供的模块的参数和浮点缓冲区在模块实例化期间在 CPU 上使用 32 位浮点值进行初始化，初始化方案被确定为在历史上对模块类型表现良好。对于某些用例，可能希望使用不同的 dtype、设备（例如 GPU）或初始化技术进行初始化。

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其自定义模块中使用任何设备或 dtype 初始化参数，但良好的实践是默认使用 dtype=torch.float 和 device='cpu'。此外，您可以通过遵循所有 torch.nn 模块遵循的约定，为您的自定义模块在这些方面提供完全的灵活性

• 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。

• 仅在模块构造函数内部对参数和缓冲区使用初始化函数（即来自 torch.nn.init 的函数）。请注意，这仅在使用 skip_init() 时才需要；请参阅此页面了解说明。

欲了解更多信息，请查阅

• 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，该过程迭代执行前向和后向传播，每次迭代更新模块参数。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，如果需要，甚至可以修改传播的执行方式。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没有编写的模块中，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。这些钩子将分别在调用前向函数之前和之后调用。或者，可以使用类似的 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。这些钩子将在计算此模块的反向传播时调用。register_full_backward_pre_hook() 将允许用户访问输出的梯度，而 register_full_backward_hook() 将允许用户访问输入和输出的梯度。或者，它们可以与 register_module_full_backward_hook() 和 register_module_full_backward_pre_hook() 一起全局安装到所有模块。

所有钩子都允许用户返回一个更新的值，该值将在剩余的计算中被使用。因此，这些钩子可以用于在常规模块前向/后向传播中执行任意代码，或者修改某些输入/输出，而无需更改模块的 forward() 函数。

以下是演示前向和后向钩子用法的示例

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.]])

高级功能

PyTorch 还提供了几个旨在与模块配合使用的高级功能。所有这些功能都适用于自定义编写的模块，但需要注意的是，某些功能可能要求模块符合特定约束才能受支持。有关这些功能和相应要求的深入讨论，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，既用于使用多个 GPU 扩展训练，也用于跨多台机器进行训练。请查看分布式训练概述页面，了解如何利用这些方法的详细信息。

性能分析

PyTorch 分析器可用于识别模型中的性能瓶颈。它测量并输出内存使用情况和时间消耗的性能特征。

使用量化提高性能

对模块应用量化技术可以通过使用低于浮点精度的位数来提高性能和内存使用。请此处查看 PyTorch 提供的各种量化机制。

使用剪枝提高内存使用率

大型深度学习模型通常过度参数化，导致内存使用率高。为了解决这个问题，PyTorch 提供了模型剪枝机制，这有助于在保持任务准确性的同时减少内存使用率。剪枝教程描述了如何利用 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改善 RNN 的收敛。PyTorch 提供了一种应用诸如此类参数化的机制，并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，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，以适应广泛的用例。要探索 FX，请查看这些使用 FX 进行卷积 + 批归一化融合和CPU 性能分析的示例。