0. 问题描述

1. register_hook用于给某个tensor注册hooks，
   • 这个函数需要传入一个钩子函数，而且钩子函数的input是loss.backward（）执行后的grad（不能获取weight值）
2. 笔者这个时候loss不收敛，debug发现梯度为0，因此通过加钩子，试图发现在传播时哪里出了问题。因此发现了register_hook并不是100%能work，而且不是100%的可以打印出grad

1. 探究过程

1. 钩子函数：

def save_grad(name):print("")		# 这行可以说明有没有执行钩子函数def hook(grad):print(f"name={name}, grad={grad}")return hook

2. 注册过程

# U_head是loss function中的一个中间tensor，需要计算梯度
U_head.register_hook(save_grad("U_head"))

2. 不work的原因

1. 来自Stack Overflow的建议：

   • ‘register_hook’ won’t only in two cases:
     • It was registered on a Tensor for which the gradients was never computed./ 梯度没计算
     • The register_hook function is some part of your code that did not run during the forward. / 正向传播没执行这条语句

2. 因此结合了自己的代码，修正了如下几个bug，然后就work了

   • 最关键的修改：

       for t in idx:# work了U_tail= torch.cat([U_head, f_Equi_ts(t, T,v, d, b, alpha, labda,device)])# 这样写不work，莫非属于原地修改？# U_tail = torch.tensor([f_Equi_ts(t, T,v, d, b, alpha, labda,device) for t in idx],requires_grad=True)
   

   • 对于 需要loss function的代码重写，尽可能简单，易读性高，先不追求效率