torch.no_grad() 和 detach() 合并

Question

我在选择动作时遇到了很多代码片段，如下所示，其中混合了 torch.no_grad 和 detach（其中 actor 是某个演员，SomeDistribution您的首选发行版），我想知道它们是否有意义：

def f():
    with torch.no_grad():
        x = actor(observation)
    dist = SomeDistribution(x)
    sample = dist.sample()
    return sample.detach()

是否在 return 语句中使用 detach 不是不必要的，因为 x 的 requires_grad 已经设置为 False，所以所有使用 x 的计算应该已经脱离图形？或者在 torch.no_grad 包装器之后的计算以某种方式再次出现在图表上，所以我们需要在最后再次分离它们（在我看来，在这种情况下 no_grad 是不必要的）？另外，如果我是对的，我想除了省略 detach 之外，还可以省略 torch.no_grad，并以相同的功能结束，但性能更差，因此 torch.no_grad 是首选？

Answer 1

虽然它可能是多余的，但它取决于 actor 和 SomeDistribution 的内部结构。通常，我可以想到三种情况，在此代码中 detach 是必需的。由于您已经观察到 x 已将 requires_grad 设置为 False，因此情况 2 和 3 不适用于您的具体情况。

如果 SomeDistribution 有内部参数（带有 requires_grad=True 的叶张量），那么 dist.sample() 可能会导致计算图将 sample 连接到这些参数。如果不分离，计算图（包括那些参数）将在 returning 之后不必要地保留在内存中。
torch.no_grad 上下文中的默认行为是 return 将 requires_grad 设置为 False 的张量运算的结果。但是，如果 actor(observation) 由于某种原因在 returning 之前明确地将其 return 值的 requires_grad 设置为 True，则可以创建一个计算图来连接 x 到 sample。如果不分离，计算图（包括 x）将在 returning 后不必要地保留在内存中。
这个似乎更不可能，但如果 actor(observation) 实际上只是 return 对 observation 的引用，而 observation.requires_grad 是 True，那么从observation到sample的计算图可以在dist.sample().

关于去掉[=12=的leu中的no_grad上下文的建议，这可能会导致构建连接observation的计算图（如果需要梯度的话）and/or 分配的参数（如果有的话）到x。该图将在 detach 后被丢弃，但创建计算图确实需要时间和内存，因此可能会降低性能。

总而言之，no_grad 和 detach 两者都做更安全，但其中任何一个的必要性取决于分布和参与者的细节。

torch.no_grad() 和 detach() 合并

torch.no_grad() and detach() combined

machine-learning

deep-learning

neural-network

pytorch

gradient-descent