huggingface 模块中的梯度返回 None

Question

我想从 pytorch/huggingface 模型中获取嵌入层的梯度。这是一个最小的工作示例：

from transformers import pipeline

nlp = pipeline("zero-shot-classification", model="facebook/bart-large-mnli")

responses = ["I'm having a great day!!"]
hypothesis_template = 'This person feels {}'
candidate_labels = ['happy', 'sad']
nlp(responses, candidate_labels, hypothesis_template=hypothesis_template)

我可以很好地提取 logits，

inputs = nlp._parse_and_tokenize(responses, candidate_labels, hypothesis_template)
predictions = nlp.model(**inputs, return_dict=True, output_hidden_states=True)
predictions['logits']

和模型 returns 是我感兴趣的层。我试图保留梯度和反向传播关于我感兴趣的单个 logit：

layer = predictions['encoder_hidden_states'][0]
layer.retain_grad()
predictions['logits'][0][2].backward(retain_graph=True)

但是，layer.grad == None无论我怎样尝试。模型的其他命名参数计算了它们的梯度，所以我不确定我做错了什么。我如何获得 encoder_hidden_states 的毕业证书？

Answer 1

这个问题我也很意外。尽管我从未使用过该库，但我还是进行了一些调试，发现问题出在库转换器上。问题来自这个 line :

encoder_states = tuple(hidden_state.transpose(0, 1) for hidden_state in encoder_states)

如果你把它注释掉，你会得到只是一些尺寸转置的渐变。这个问题与 Pytorch Autograd 在原地操作上表现不佳有关 here.

所以总结一下解决方案是在 modeling_bart.py.

中注释第 382 行

您将获得形状为 T x B x C 而不是 B x T x C 的渐变，但您可以稍后根据需要重新调整形状。

huggingface 模块中的梯度返回 None

Gradients returning None in huggingface module

python

nlp

pytorch

huggingface-transformers