pytorch在进行有损失的反向传播的时候，有时候会出现梯度为none的情况，那么这种情况要如何解决呢？来看看小编是怎么做的：

错误代码：输出grad为none

a = torch.ones((2, 2), requires_grad=True).to(device)
b = a.sum()
b.backward()
print(a.grad)

由于.to(device)是一次操作，此时的a已经不是叶子节点了

修改后的代码为：

a = torch.ones((2, 2), requires_grad=True)
c = a.to(device)

b = c.sum()
b.backward()
print(a.grad)

类似错误：

self.miu = torch.nn.Parameter(torch.ones(self.dimensional)) * 0.01

应该为

self.miu = torch.nn.Parameter(torch.ones(self.dimensional) * 0.01)

补充：pytorch梯度返回none的bug

pytorch1.4.0如果使用了view方法，reshape方法

tensor即使设置了requires_grad，反向传播之后， x返回没有grad梯度，为none

不知道其他版本有无此bug

补充：PyTorch中梯度反向传播的注意点

在一个迭代循环中

optimizer.zero_grad()语句的位置比较随意，只要放在loss.backward()前面即可，它的作用是将梯度归零，否则会在每一个迭代中进行累加，

loss.backward()的作用是反向传播，计算梯度，optimizer.step()的功能是优化器自动完成参数的更新。

optimizer.zero_grad()
loss.backward()
optimizer.step()

以上就是怎么解决pytorch损失反向传播后梯度为none的问题的全部内容，希望能给大家一个参考，也希望大家多多支持W3Cschool。