模块

PyTorch 使用模块来表示神经网络。模块是

• 有状态计算的构建块。 PyTorch 提供了强大的模块库，并使得定义新的自定义模块变得简单，从而可以轻松构建复杂的多层神经网络。

• 与 PyTorch 的 autograd 系统紧密集成。 模块使得为 PyTorch 的优化器指定可学习参数以进行更新变得简单。

• 易于使用和转换。 模块易于保存和恢复、在 CPU / GPU / TPU 设备之间传输、剪枝、量化等等。

本文档描述了模块，旨在供所有 PyTorch 用户阅读。由于模块是 PyTorch 的基础，本文档中的许多主题在其他文档或教程中有详细阐述，本文也提供了许多这些文档的链接。

一个简单的自定义模块

首先，我们来看一个 PyTorch Linear 模块的更简单、自定义版本。该模块对其输入应用仿射变换。

import torch
from torch import nn

class MyLinear(nn.Module):
  def __init__(self, in_features, out_features):
    super().__init__()
    self.weight = nn.Parameter(torch.randn(in_features, out_features))
    self.bias = nn.Parameter(torch.randn(out_features))

  def forward(self, input):
    return (input @ self.weight) + self.bias

这个简单的模块具有以下模块的基本特性

• 它继承自基础 Module 类。 所有模块都应该继承 Module 以便与其他模块组合使用。

• 它定义了一些用于计算的“状态”。 在这里，状态由随机初始化的 weight 和 bias 张量组成，它们定义了仿射变换。因为每个张量都被定义为 Parameter，它们会被模块注册，并自动被跟踪并通过调用 parameters() 返回。参数可以被视为模块计算中“可学习”的部分（稍后会详细介绍）。请注意，模块并非必须具有状态，也可以是无状态的。

• 它定义了一个执行计算的 forward() 函数。 对于这个仿射变换模块，输入与 weight 参数进行矩阵乘法（使用 @ 简写符号），然后加上 bias 参数以产生输出。更一般地，模块的 forward() 实现可以执行涉及任意数量输入和输出的任意计算。

这个简单的模块展示了模块如何将状态和计算打包在一起。可以构造并调用该模块的实例

m = MyLinear(4, 3)
sample_input = torch.randn(4)
m(sample_input)
: tensor([-0.3037, -1.0413, -4.2057], grad_fn=<AddBackward0>)

请注意，模块本身是可调用的，调用它会调用其 forward() 函数。这个名称是指适用于每个模块的“前向传播”（forward pass）和“反向传播”（backward pass）概念。“前向传播”负责将模块表示的计算应用于给定的输入（如上面的代码片段所示）。“反向传播”计算模块输出相对于其输入的梯度，这可用于通过梯度下降法“训练”参数。PyTorch 的 autograd 系统会自动处理这个反向传播计算，因此无需为每个模块手动实现 backward() 函数。通过连续的前向/反向传播来训练模块参数的过程在 使用模块训练神经网络 中有详细介绍。

可以通过调用 parameters() 或 named_parameters() 来遍历模块注册的完整参数集，后者包含了每个参数的名称

for parameter in m.named_parameters():
  print(parameter)
: ('weight', Parameter containing:
tensor([[ 1.0597,  1.1796,  0.8247],
        [-0.5080, -1.2635, -1.1045],
        [ 0.0593,  0.2469, -1.4299],
        [-0.4926, -0.5457,  0.4793]], requires_grad=True))
('bias', Parameter containing:
tensor([ 0.3634,  0.2015, -0.8525], requires_grad=True))

一般来说，模块注册的参数是模块计算中应该“学习”的部分。本文档稍后会展示如何使用 PyTorch 的优化器更新这些参数。然而，在此之前，我们首先来看一下模块如何相互组合使用。

模块作为构建块

模块可以包含其他模块，这使得它们成为开发更复杂功能的有用构建块。最简单的方法是使用 Sequential 模块。它允许我们将多个模块串联起来

net = nn.Sequential(
  MyLinear(4, 3),
  nn.ReLU(),
  MyLinear(3, 1)
)

sample_input = torch.randn(4)
net(sample_input)
: tensor([-0.6749], grad_fn=<AddBackward0>)

请注意，Sequential 会自动将第一个 MyLinear 模块的输出作为输入馈送到 ReLU，并将后者的输出作为输入馈送到第二个 MyLinear 模块。如所示，它仅限于按顺序串联具有单个输入和输出的模块。

一般来说，对于超出最简单用例的情况，建议定义自定义模块，因为这能提供关于子模块如何用于模块计算的完全灵活性。

例如，这里有一个实现为自定义模块的简单神经网络

import torch.nn.functional as F

class Net(nn.Module):
  def __init__(self):
    super().__init__()
    self.l0 = MyLinear(4, 3)
    self.l1 = MyLinear(3, 1)
  def forward(self, x):
    x = self.l0(x)
    x = F.relu(x)
    x = self.l1(x)
    return x

该模块由两个“子级”或“子模块”（l0 和 l1）组成，它们定义了神经网络的层，并用于模块的 forward() 方法中的计算。可以通过调用 children() 或 named_children() 来遍历模块的直接子级

net = Net()
for child in net.named_children():
  print(child)
: ('l0', MyLinear())
('l1', MyLinear())

要遍历比直接子级更深层的模块，modules() 和 named_modules() 会递归地遍历模块及其子模块

class BigNet(nn.Module):
  def __init__(self):
    super().__init__()
    self.l1 = MyLinear(5, 4)
    self.net = Net()
  def forward(self, x):
    return self.net(self.l1(x))

big_net = BigNet()
for module in big_net.named_modules():
  print(module)
: ('', BigNet(
  (l1): MyLinear()
  (net): Net(
    (l0): MyLinear()
    (l1): MyLinear()
  )
))
('l1', MyLinear())
('net', Net(
  (l0): MyLinear()
  (l1): MyLinear()
))
('net.l0', MyLinear())
('net.l1', MyLinear())

有时，模块需要动态定义子模块。此时 ModuleList 和 ModuleDict 模块非常有用；它们从列表或字典中注册子模块

class DynamicNet(nn.Module):
  def __init__(self, num_layers):
    super().__init__()
    self.linears = nn.ModuleList(
      [MyLinear(4, 4) for _ in range(num_layers)])
    self.activations = nn.ModuleDict({
      'relu': nn.ReLU(),
      'lrelu': nn.LeakyReLU()
    })
    self.final = MyLinear(4, 1)
  def forward(self, x, act):
    for linear in self.linears:
      x = linear(x)
      x = self.activations[act](x)
    x = self.final(x)
    return x

dynamic_net = DynamicNet(3)
sample_input = torch.randn(4)
output = dynamic_net(sample_input, 'relu')

对于任何给定的模块，其参数包括其直接参数以及所有子模块的参数。这意味着调用 parameters() 和 named_parameters() 将递归地包含子参数，从而方便地优化网络中的所有参数

for parameter in dynamic_net.named_parameters():
  print(parameter)
: ('linears.0.weight', Parameter containing:
tensor([[-1.2051,  0.7601,  1.1065,  0.1963],
        [ 3.0592,  0.4354,  1.6598,  0.9828],
        [-0.4446,  0.4628,  0.8774,  1.6848],
        [-0.1222,  1.5458,  1.1729,  1.4647]], requires_grad=True))
('linears.0.bias', Parameter containing:
tensor([ 1.5310,  1.0609, -2.0940,  1.1266], requires_grad=True))
('linears.1.weight', Parameter containing:
tensor([[ 2.1113, -0.0623, -1.0806,  0.3508],
        [-0.0550,  1.5317,  1.1064, -0.5562],
        [-0.4028, -0.6942,  1.5793, -1.0140],
        [-0.0329,  0.1160, -1.7183, -1.0434]], requires_grad=True))
('linears.1.bias', Parameter containing:
tensor([ 0.0361, -0.9768, -0.3889,  1.1613], requires_grad=True))
('linears.2.weight', Parameter containing:
tensor([[-2.6340, -0.3887, -0.9979,  0.0767],
        [-0.3526,  0.8756, -1.5847, -0.6016],
        [-0.3269, -0.1608,  0.2897, -2.0829],
        [ 2.6338,  0.9239,  0.6943, -1.5034]], requires_grad=True))
('linears.2.bias', Parameter containing:
tensor([ 1.0268,  0.4489, -0.9403,  0.1571], requires_grad=True))
('final.weight', Parameter containing:
tensor([[ 0.2509], [-0.5052], [ 0.3088], [-1.4951]], requires_grad=True))
('final.bias', Parameter containing:
tensor([0.3381], requires_grad=True))

使用 to() 也很容易将所有参数移动到不同的设备或更改其精度

# Move all parameters to a CUDA device
dynamic_net.to(device='cuda')

# Change precision of all parameters
dynamic_net.to(dtype=torch.float64)

dynamic_net(torch.randn(5, device='cuda', dtype=torch.float64))
: tensor([6.5166], device='cuda:0', dtype=torch.float64, grad_fn=<AddBackward0>)

更一般地，可以使用 apply() 函数递归地将任意函数应用于模块及其子模块。例如，为模块及其子模块的参数应用自定义初始化

# Define a function to initialize Linear weights.
# Note that no_grad() is used here to avoid tracking this computation in the autograd graph.
@torch.no_grad()
def init_weights(m):
  if isinstance(m, nn.Linear):
    nn.init.xavier_normal_(m.weight)
    m.bias.fill_(0.0)

# Apply the function recursively on the module and its submodules.
dynamic_net.apply(init_weights)

这些示例展示了如何通过模块组合形成复杂的神经网络并方便地进行操作。为了快速方便地构建具有最小样板代码的神经网络，PyTorch 在 torch.nn 命名空间中提供了大量高性能模块，用于执行常见的神经网络操作，如池化、卷积、损失函数等。

在下一节中，我们将给出一个训练神经网络的完整示例。

更多信息，请参阅

• PyTorch 提供的模块库：torch.nn

• 定义神经网络模块：https://pytorch.ac.cn/tutorials/beginner/examples_nn/polynomial_module.html

使用模块训练神经网络

网络构建完成后，必须进行训练，并且可以使用 torch.optim 中的 PyTorch 优化器轻松地优化其参数

# Create the network (from previous section) and optimizer
net = Net()
optimizer = torch.optim.SGD(net.parameters(), lr=1e-4, weight_decay=1e-2, momentum=0.9)

# Run a sample training loop that "teaches" the network
# to output the constant zero function
for _ in range(10000):
  input = torch.randn(4)
  output = net(input)
  loss = torch.abs(output)
  net.zero_grad()
  loss.backward()
  optimizer.step()

# After training, switch the module to eval mode to do inference, compute performance metrics, etc.
# (see discussion below for a description of training and evaluation modes)
...
net.eval()
...

在这个简化的示例中，网络通过将 torch.abs() 用作损失函数，根据其绝对值来“惩罚”任何非零输出，从而学习简单地输出零。虽然这不是一个非常有趣的任务，但训练的关键部分都在这里

• 创建一个网络。

• 创建一个优化器（本例中为随机梯度下降优化器），并将网络的参数与之关联。

• 一个训练循环...

  • 获取输入，

  • 运行网络，

  • 计算损失，

  • 将网络参数的梯度清零，

  • 调用 loss.backward() 更新参数的梯度，

  • 调用 optimizer.step() 将梯度应用于参数。

运行上述代码片段后，请注意网络参数已发生变化。特别是，检查 l1 的 weight 参数的值会发现，其值现在更接近于 0（这是预期的结果）

print(net.l1.weight)
: Parameter containing:
tensor([[-0.0013],
        [ 0.0030],
        [-0.0008]], requires_grad=True)

请注意，上述过程完全是在网络模块处于“训练模式”（training mode）下完成的。模块默认处于训练模式，可以使用 train() 和 eval() 在训练模式和评估模式（evaluation mode）之间切换。它们在不同模式下行为可能不同。例如，BatchNorm 模块在训练期间维护一个运行均值和方差，这些值在模块处于评估模式时不更新。一般来说，模块在训练期间应处于训练模式，仅在推理或评估时切换到评估模式。下面是一个自定义模块的示例，它在两种模式下的行为不同

class ModalModule(nn.Module):
  def __init__(self):
    super().__init__()

  def forward(self, x):
    if self.training:
      # Add a constant only in training mode.
      return x + 1.
    else:
      return x


m = ModalModule()
x = torch.randn(4)

print('training mode output: {}'.format(m(x)))
: tensor([1.6614, 1.2669, 1.0617, 1.6213, 0.5481])

m.eval()
print('evaluation mode output: {}'.format(m(x)))
: tensor([ 0.6614,  0.2669,  0.0617,  0.6213, -0.4519])

训练神经网络通常可能很棘手。更多信息，请参阅

• 使用优化器：https://pytorch.ac.cn/tutorials/beginner/examples_nn/two_layer_net_optim.html。

• 神经网络训练：https://pytorch.ac.cn/tutorials/beginner/blitz/neural_networks_tutorial.html

• autograd 入门：https://pytorch.ac.cn/tutorials/beginner/blitz/autograd_tutorial.html

模块状态

在上一节中，我们演示了如何训练模块的“参数”，即计算的可学习部分。现在，如果我们要将训练好的模型保存到磁盘，可以通过保存其 state_dict（即“状态字典”）来实现

# Save the module
torch.save(net.state_dict(), 'net.pt')

...

# Load the module later on
new_net = Net()
new_net.load_state_dict(torch.load('net.pt'))
: <All keys matched successfully>

模块的 state_dict 包含影响其计算的状态。这包括（但不限于）模块的参数。对于某些模块，除了参数之外，可能还需要一些影响模块计算但不可学习的状态。对于这种情况，PyTorch 提供了“缓冲区”（buffers）的概念，包括“持久”（persistent）和“非持久”（non-persistent）缓冲区。以下是模块可以具有的各种类型状态的概述

• 参数：计算的可学习部分；包含在 state_dict 中

• 缓冲区：计算的非可学习部分

  • 持久缓冲区：包含在 state_dict 中（即保存和加载时会序列化）

  • 非持久缓冲区：不包含在 state_dict 中（即不进行序列化）

作为一个使用缓冲区的示例，考虑一个维护运行均值的简单模块。我们希望将运行均值的当前值视为模块 state_dict 的一部分，以便在加载模块的序列化形式时可以恢复它，但我们不希望它是可学习的。以下代码片段展示了如何使用 register_buffer() 实现这一点

class RunningMean(nn.Module):
  def __init__(self, num_features, momentum=0.9):
    super().__init__()
    self.momentum = momentum
    self.register_buffer('mean', torch.zeros(num_features))
  def forward(self, x):
    self.mean = self.momentum * self.mean + (1.0 - self.momentum) * x
    return self.mean

现在，运行均值的当前值被视为模块 state_dict 的一部分，并在从磁盘加载模块时得到正确恢复

m = RunningMean(4)
for _ in range(10):
  input = torch.randn(4)
  m(input)

print(m.state_dict())
: OrderedDict([('mean', tensor([ 0.1041, -0.1113, -0.0647,  0.1515]))]))

# Serialized form will contain the 'mean' tensor
torch.save(m.state_dict(), 'mean.pt')

m_loaded = RunningMean(4)
m_loaded.load_state_dict(torch.load('mean.pt'))
assert(torch.all(m.mean == m_loaded.mean))

如前所述，可以将缓冲区标记为非持久，使其不包含在模块的 state_dict 中

self.register_buffer('unserialized_thing', torch.randn(5), persistent=False)

持久和非持久缓冲区都会受到使用 to() 应用的模型范围内的设备/dtype 更改的影响

# Moves all module parameters and buffers to the specified device / dtype
m.to(device='cuda', dtype=torch.float64)

可以使用 buffers() 或 named_buffers() 遍历模块的缓冲区。

for buffer in m.named_buffers():
  print(buffer)

以下类展示了在模块中注册参数和缓冲区的各种方法

class StatefulModule(nn.Module):
  def __init__(self):
    super().__init__()
    # Setting a nn.Parameter as an attribute of the module automatically registers the tensor
    # as a parameter of the module.
    self.param1 = nn.Parameter(torch.randn(2))

    # Alternative string-based way to register a parameter.
    self.register_parameter('param2', nn.Parameter(torch.randn(3)))

    # Reserves the "param3" attribute as a parameter, preventing it from being set to anything
    # except a parameter. "None" entries like this will not be present in the module's state_dict.
    self.register_parameter('param3', None)

    # Registers a list of parameters.
    self.param_list = nn.ParameterList([nn.Parameter(torch.randn(2)) for i in range(3)])

    # Registers a dictionary of parameters.
    self.param_dict = nn.ParameterDict({
      'foo': nn.Parameter(torch.randn(3)),
      'bar': nn.Parameter(torch.randn(4))
    })

    # Registers a persistent buffer (one that appears in the module's state_dict).
    self.register_buffer('buffer1', torch.randn(4), persistent=True)

    # Registers a non-persistent buffer (one that does not appear in the module's state_dict).
    self.register_buffer('buffer2', torch.randn(5), persistent=False)

    # Reserves the "buffer3" attribute as a buffer, preventing it from being set to anything
    # except a buffer. "None" entries like this will not be present in the module's state_dict.
    self.register_buffer('buffer3', None)

    # Adding a submodule registers its parameters as parameters of the module.
    self.linear = nn.Linear(2, 3)

m = StatefulModule()

# Save and load state_dict.
torch.save(m.state_dict(), 'state.pt')
m_loaded = StatefulModule()
m_loaded.load_state_dict(torch.load('state.pt'))

# Note that non-persistent buffer "buffer2" and reserved attributes "param3" and "buffer3" do
# not appear in the state_dict.
print(m_loaded.state_dict())
: OrderedDict([('param1', tensor([-0.0322,  0.9066])),
               ('param2', tensor([-0.4472,  0.1409,  0.4852])),
               ('buffer1', tensor([ 0.6949, -0.1944,  1.2911, -2.1044])),
               ('param_list.0', tensor([ 0.4202, -0.1953])),
               ('param_list.1', tensor([ 1.5299, -0.8747])),
               ('param_list.2', tensor([-1.6289,  1.4898])),
               ('param_dict.bar', tensor([-0.6434,  1.5187,  0.0346, -0.4077])),
               ('param_dict.foo', tensor([-0.0845, -1.4324,  0.7022])),
               ('linear.weight', tensor([[-0.3915, -0.6176],
                                         [ 0.6062, -0.5992],
                                         [ 0.4452, -0.2843]])),
               ('linear.bias', tensor([-0.3710, -0.0795, -0.3947]))])

更多信息，请参阅

• 保存和加载：https://pytorch.ac.cn/tutorials/beginner/saving_loading_models.html

• 序列化语义：https://pytorch.ac.cn/docs/main/notes/serialization.html

• 什么是状态字典？https://pytorch.ac.cn/tutorials/recipes/recipes/what_is_state_dict.html

模块初始化

默认情况下，torch.nn 提供的模块的参数和浮点缓冲区在模块实例化期间，会使用在 CPU 上经验证对该模块类型表现良好的初始化方案，初始化为 32 位浮点值。对于某些用例，可能希望使用不同的 dtype、设备（例如 GPU）或初始化技术进行初始化。

示例

# Initialize module directly onto GPU.
m = nn.Linear(5, 3, device='cuda')

# Initialize module with 16-bit floating point parameters.
m = nn.Linear(5, 3, dtype=torch.half)

# Skip default parameter initialization and perform custom (e.g. orthogonal) initialization.
m = torch.nn.utils.skip_init(nn.Linear, 5, 3)
nn.init.orthogonal_(m.weight)

请注意，上面演示的设备和 dtype 选项也适用于为模块注册的任何浮点缓冲区

m = nn.BatchNorm2d(3, dtype=torch.half)
print(m.running_mean)
: tensor([0., 0., 0.], dtype=torch.float16)

虽然模块编写者可以在其自定义模块中使用任何设备或 dtype 初始化参数，但最佳实践是默认也使用 dtype=torch.float 和 device='cpu'。此外，你可以通过遵循上述所有 torch.nn 模块所遵循的约定，为你的自定义模块提供这些领域的完全灵活性

• 提供一个 device 构造函数 kwarg，适用于模块注册的任何参数/缓冲区。

• 提供一个 dtype 构造函数 kwarg，适用于模块注册的任何参数/浮点缓冲区。

• 仅在模块的构造函数中使用初始化函数（即来自 torch.nn.init 的函数）处理参数和缓冲区。请注意，这仅在使用 skip_init() 时是必需的；有关解释，请参阅此页面。

更多信息，请参阅

• 跳过模块参数初始化：https://pytorch.ac.cn/tutorials/prototype/skip_param_init.html

模块钩子

在 使用模块训练神经网络 中，我们演示了模块的训练过程，该过程会迭代地执行前向和反向传播，每次迭代更新模块参数。为了对这个过程有更多控制，PyTorch 提供了“钩子”（hooks），它们可以在前向或反向传播期间执行任意计算，甚至可以根据需要修改传播方式。这项功能的一些有用示例包括调试、可视化激活、深入检查梯度等。钩子可以添加到不是你自己编写的模块中，这意味着这项功能可以应用于第三方或 PyTorch 提供的模块。

PyTorch 为模块提供了两种类型的钩子

• 前向钩子：在前向传播期间调用。可以通过 register_forward_pre_hook() 和 register_forward_hook() 为给定模块安装。这些钩子分别会在 forward 函数被调用之前和之后被调用。此外，可以使用类似的 register_module_forward_pre_hook() 和 register_module_forward_hook() 函数为所有模块全局安装这些钩子。

• 反向 hook（Backward hooks）在反向传播（backward pass）过程中被调用。可以通过 register_full_backward_pre_hook() 和 register_full_backward_hook() 来安装它们。当此 Module 的反向传播计算完成后，将调用这些 hook。register_full_backward_pre_hook() 允许用户访问输出的梯度，而 register_full_backward_hook() 允许用户同时访问输入和输出的梯度。另外，可以通过 register_module_full_backward_hook() 和 register_module_full_backward_pre_hook() 为所有 Module 全局安装这些 hook。

所有 hook 都允许用户返回一个更新后的值，该值将在后续的计算中使用。因此，这些 hook 可用于在常规 Module 的前向/反向传播过程中执行任意代码，或者修改某些输入/输出，而无需更改 Module 的 forward() 函数。

下面是一个演示前向和反向 hook 用法的示例

torch.manual_seed(1)

def forward_pre_hook(m, inputs):
  # Allows for examination and modification of the input before the forward pass.
  # Note that inputs are always wrapped in a tuple.
  input = inputs[0]
  return input + 1.

def forward_hook(m, inputs, output):
  # Allows for examination of inputs / outputs and modification of the outputs
  # after the forward pass. Note that inputs are always wrapped in a tuple while outputs
  # are passed as-is.

  # Residual computation a la ResNet.
  return output + inputs[0]

def backward_hook(m, grad_inputs, grad_outputs):
  # Allows for examination of grad_inputs / grad_outputs and modification of
  # grad_inputs used in the rest of the backwards pass. Note that grad_inputs and
  # grad_outputs are always wrapped in tuples.
  new_grad_inputs = [torch.ones_like(gi) * 42. for gi in grad_inputs]
  return new_grad_inputs

# Create sample module & input.
m = nn.Linear(3, 3)
x = torch.randn(2, 3, requires_grad=True)

# ==== Demonstrate forward hooks. ====
# Run input through module before and after adding hooks.
print('output with no forward hooks: {}'.format(m(x)))
: output with no forward hooks: tensor([[-0.5059, -0.8158,  0.2390],
                                        [-0.0043,  0.4724, -0.1714]], grad_fn=<AddmmBackward>)

# Note that the modified input results in a different output.
forward_pre_hook_handle = m.register_forward_pre_hook(forward_pre_hook)
print('output with forward pre hook: {}'.format(m(x)))
: output with forward pre hook: tensor([[-0.5752, -0.7421,  0.4942],
                                        [-0.0736,  0.5461,  0.0838]], grad_fn=<AddmmBackward>)

# Note the modified output.
forward_hook_handle = m.register_forward_hook(forward_hook)
print('output with both forward hooks: {}'.format(m(x)))
: output with both forward hooks: tensor([[-1.0980,  0.6396,  0.4666],
                                          [ 0.3634,  0.6538,  1.0256]], grad_fn=<AddBackward0>)

# Remove hooks; note that the output here matches the output before adding hooks.
forward_pre_hook_handle.remove()
forward_hook_handle.remove()
print('output after removing forward hooks: {}'.format(m(x)))
: output after removing forward hooks: tensor([[-0.5059, -0.8158,  0.2390],
                                               [-0.0043,  0.4724, -0.1714]], grad_fn=<AddmmBackward>)

# ==== Demonstrate backward hooks. ====
m(x).sum().backward()
print('x.grad with no backwards hook: {}'.format(x.grad))
: x.grad with no backwards hook: tensor([[ 0.4497, -0.5046,  0.3146],
                                         [ 0.4497, -0.5046,  0.3146]])

# Clear gradients before running backward pass again.
m.zero_grad()
x.grad.zero_()

m.register_full_backward_hook(backward_hook)
m(x).sum().backward()
print('x.grad with backwards hook: {}'.format(x.grad))
: x.grad with backwards hook: tensor([[42., 42., 42.],
                                      [42., 42., 42.]])

高级特性

PyTorch 还提供了几种更高级的特性，旨在与 Module 协同工作。所有这些功能对于自定义 Module 也是可用的，但有一个小小的注意事项：某些特性可能要求 Module 符合特定的约束才能获得支持。有关这些特性和相应要求的深入讨论，请参阅以下链接。

分布式训练

PyTorch 中存在多种分布式训练方法，既可用于使用多个 GPU 扩展训练规模，也可用于跨多台机器进行训练。有关如何利用这些方法的详细信息，请查看分布式训练概述页面。

性能分析

PyTorch Profiler 对于识别模型中的性能瓶颈非常有用。它可以测量并输出内存使用和时间消耗的性能特征。

通过量化提高性能

对 Module 应用量化技术可以通过使用比浮点精度更低的位宽来提高性能和减少内存使用。请此处查看 PyTorch 提供的各种量化机制。

通过剪枝优化内存使用

大型深度学习模型通常参数过多，导致内存使用率高。为了解决这个问题，PyTorch 提供了模型剪枝机制，有助于在保持任务准确性的同时减少内存使用。通过剪枝教程，您可以了解如何利用 PyTorch 提供的剪枝技术或根据需要定义自定义剪枝技术。

参数化（Parametrizations）

对于某些应用，在模型训练期间约束参数空间会很有益。例如，强制学习到的参数正交性可以改善 RNN 的收敛性。PyTorch 提供了一种机制来应用诸如此类的参数化，并进一步允许定义自定义约束。

使用 FX 转换 Module

PyTorch 的 FX 组件提供了一种灵活的方式，通过直接操作 Module 计算图来转换 Module。这可用于通过编程方式生成或操作 Module，适用于各种用例。要探索 FX，请查看这些示例，了解如何将 FX 用于卷积 + 批量归一化融合和CPU 性能分析。