如何在单个图像像素上运行backward()，而不会导致再次尝试向后浏览图形的错误？

Question

我有这个代码

...
vertex_id = 275

deform_verts.retain_grad() # input
predicted_silhouette.retain_grad() # output

impact_img = torch.zeros_like(predicted_silhouette, requires_grad=False)
for i in range(image_size):
  for j in range(image_size):
      pixel = predicted_silhouette[i][j]
      pixel.retain_grad()
      pixel.backward()
      impact = deform_verts.grad[vertex_id] 
      impact_img[i][j] += impact.sum()


plt.imshow(impact_img.detach().cpu().numpy())

我正在尝试根据单一的 Deform_verts 条目如何影响整个图像来创建图像。为此，我遍历输出图像的每个像素并调用

.backward()

并将其渐变插入到新图像中以实现可视化目的。但是，当我在第一个像素上调用

backward()

时，我无法在第二个像素上调用它，因为我怀疑中间变量已在反向传播中使用。我尝试使用

retain_graph

但我认为这没有达到我想要的效果，因为图像看起来与我的预期相去甚远。

Answer 1

使用

deform_verts.grad.zero_()

读取梯度后需要将其归零。

backward

方法实际上是累积梯度，但你只想保留图形，而不是之前的梯度