python - 在多任务处理中，反向传播后无法创建新的计算图

Question

背景：我使用 DQN 和 DDPG 同时解决两个任务。DQN 和DDPGstate(input)都是两部分。一部分是环境的状态，另一部分是CNN+LSTM从环境中抽象出来的状态。这两个部分分别在forward_dqn()和forward_actor()中forward_critic()连接。

问题1：我依次反向传播loss_dqn, loss_ddpg_actor,loss_ddpg_critic并得到错误“尝试第二次向后遍历图形，但缓冲区已被释放。” 在 的反向传播中loss_ddpg_actor。由于loss_dqn反向传播后，计算图已经被释放，所以我再次前向传播CNN+LSTM，计算loss_ddpg_actor。为什么无法再次创建计算图？谢谢。

型号：（环境：环境）

output_cnnlstm = cnnlstm.forward(env)
DQN_output = dqn.forward(cat(output_cnnlstm, state_env))
Actor_output = actor.forward(cat(output_cnnlstm, state_env))
Critic_output = critic.forward(cat(output_cnnlstm, state_env))

代码 1（Q1）：

    # dqn
    # forward: cnnlstm
    s_cnnlstm_out, _, _ = self.model.forward_cnnlstm(s_cnnlstm, flag_optim=True)
    # forward: dqn
    q_eval_dqn = self.model.forward_dqn_eval(s_dqn, s_cnnlstm_out).gather(1, a_dqn)
    q_next_dqn = self.model.forward_dqn_target(s_dqn_next, s_cnnlstm_out).detach()
    q_target_dqn = r + GAMMA_DQN * q_next_dqn.max(dim=1)[0].reshape(SIZE_BATCH * SIZE_TRANSACTION, 1)
    # optimzie: dqn
    loss_dqn = self.loss_dqn(q_eval_dqn, q_target_dqn)
    self.optimizer_cnnlstm.zero_grad()
    self.optimizer_dqn.zero_grad()
    loss_dqn.backward()
    self.optimizer_cnnlstm.step()
    self.optimizer_dqn.step()
    loss_dqn = loss_dqn.detach().numpy()
    # ddpg
    # actor
    # forward: cnnlstm
    s_cnnlstm_out, _, _ = self.model.forward_cnnlstm(s_cnnlstm, flag_optim=True)
    # forward: ddpg: actor
    a_eval_ddpg = self.model.forward_actor_eval(s_ddpg, s_cnnlstm_out)
    # optimze: ddpg: cnnlstm + actor
    loss_ddpg_actor = - self.model.forward_cirtic_eval(s_ddpg, a_eval_ddpg, s_cnnlstm_out).mean()
    self.optimizer_cnnlstm.zero_grad()
    self.optimizer_actor.zero_grad()
    loss_ddpg_actor.backward()
    self.optimizer_cnnlstm.step()
    self.optimizer_actor.step()
    loss_ddpg_actor = loss_ddpg_actor.detach().numpy()

问题2：我写了一个demo来测试传播过程，demo似乎运行良好，因为loss下降正常，测试误差低。所以想问一下这两种代码和型号的区别。

模型：

output_model1 = model1.forward(x)
output_model21 = model21.forward(cat(output_model1, x1))
output_model22 = model221.forward(cat(output_model1, x2))

与Q1的模型相比，output_model1 ~ cnnlstm, output_model21 ~ DQN, output_model22 ~ Actor

问题3：我在demo的afterloss1.backward()和before都设置了断点optimizer1.step()。但是，一方面，Model21的线性层的权重随着优化而变化。另一方面，x._grad是一个梯度值张量，而x1._grad是None。所以我想知道Model21的参数是否优化以及为什么x1._grad是None。

代码 2（Q2 和 Q3）：

for i in range(NUM_OPTIM):
    # optimize task 1
    y1_pred = self.model.forward_task1(x, x1)
    loss1 = self.loss_21(y1_pred, y1)
    self.optimizer1.zero_grad()
    self.optimizer21.zero_grad()
    loss1.backward()
    self.optimizer1.step()
    self.optimizer21.step(
    # optimze task 2
    y2_pred = self.model.forward_task2(x, x2)
    loss2 = self.loss_22(y2_pred, y2)
    self.optimizer1.zero_grad()
    self.optimizer22.zero_grad()
    loss2.backward()
    self.optimizer1.step()
    self.optimizer22.step()

标签： pythonpytorchreinforcement-learningbackpropagation