Pytorch查看tensor是否有梯度（值）以及开启梯度

一. requires_grad 属性：查看是否记录梯度

x = torch.rand(3, 3)   # 直接创建的tensor变量默认是没有梯度的
x.requires_grad

结果如下：

False

二. requires_grad_ ()函数：调用函数设置记录梯度与否

函数：requires_grad_(requires_grad=True)

x = torch.tensor([1., 2., 3.])
print('x_base: ', x.requires_grad)   # 正常状态：False
x.requires_grad_(False) #False
print('x.requires_grad_(False): ', x.requires_grad) #False
x.requires_grad_(True)  # 等价：requires_grad_() #True
print('x.requires_grad_(True): ', x.requires_grad) #True

结果如下：

x_base:  False
x.requires_grad_(False):  False
x.requires_grad_(True):  True

三. requires_grad属性参数，创建tensor时设置是否记录梯度

x = torch.tensor([1., 2., 3.], requires_grad=True) #True
print('x_base: ', x.requires_grad)   # 正常状态

结果如下：

x_base:  True

四. 查看模型的权重名称和参数值

[name for name, param in model.named_parameters()] #查看模型的权重名称
[param for name, param in model.named_parameters()] #查看模型的权重值

五. 查看模型权重梯度值

网络结构如下：

class Simple(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 16, 3, 1, padding=1, bias=False)
        self.conv2 = nn.Conv2d(16, 32, 3, 1, padding=1, bias=False)
        self.linear = nn.Linear(32*10*10, 20, bias=False)
 
    def forward(self, x):
        x = self.conv1(x)
        x = self.conv2(x)
        x = self.linear(x.view(x.size(0), -1))
        return x
 
model = Simple()

查看模型权重梯度值：

print(model.conv1.weight.grad)