Pytorch 可微分round函数

round函数在定义域中的导数，处处为0或者无穷，梯度无法反向传播。本文将使用autograd.function类自定义可微分的round函数，使得round前后的tensor，具有相同的梯度。

from torch.autograd import Function


class BypassRound(Function):
  @staticmethod
  def forward(ctx, inputs):
    return torch.round(inputs)

  @staticmethod
  def backward(ctx, grad_output):
    # 这里的grad_output是round之后的tensor的梯度，直接将它作为round之前tensor的梯度
    return grad_output


# Function.apply的别名
bypass_round = BypassRound.apply

# demo
z3_rounded = bypass_round(z3)

 具体原理和细节参考以下博客：

定义torch.autograd.Function的子类，自己定义某些操作，且定义反向求导函数_tsq292978891的博客-优快云博客_saved_tensors

2022.4.7更新：更简单的方法如下

def ste_round(x):
    return torch.round(x) - x.detach() + x

torch.round(x)导数处处为0，x.detach()在计算图中，x的导数为1

因此：ste_round(x)的梯度 == x的梯度