关于init_hidden(self, bsz, requires_grad=True) 的问题

[SuMarsss]

你好，褚博士
为什么hidden需要grad，下一个seq只需要hidden中的值，不需要hidden的梯度啊

[ZeweiChu]

这个在训练的时候主要是为了防止sequence太长，back prop距离太远，内存会不够用。如果在hidden位置截断gradient就不会一路back prop回去了。

[SuMarsss]

我的意思是detach就可以截断grad反向传播到上个序列，即使hidden的requires_grad=False。这里为什么要指定requires_grad=True？

[SuMarsss]

我认为这里的参数requires_grad=True是多余的，hidden不需要grad。

1. requires_grad=True 不能起到阻止back prop的作用，detach才能起到阻止back prop的作用。训练时，将hidden的requires_grad设置为False，代码依然可以正确运行。
2. 从整段代码上来看，hidden不是权重，应该不需要grad，torch里应该只有权重tensor才需要设置requires_grad=True。
3. 如果需要back prop追踪到第一个seq的初始hidden，也只需要loss.backward(retain_graph=True)，并不需要设置hidden的requires_grad=True