如何获取GluonCV模型库YOLO3损失相对于输入图像的梯度

你抛出AttributeError: 'YOLOV3' object has no attribute 'grad'的核心原因是：grad是MXNet中NDArray张量的属性，用于存储张量对应的梯度值，而YOLOV3是Gluon的Block模型对象，本身没有grad属性，你找错了梯度的存储位置。

你需要获取的是输入图像张量的梯度，要做以下修改：

• 首先要给输入图像张量显式开启梯度跟踪，默认DataLoader加载出的图像张量不会自动记录梯度，需要调用attach_grad()方法手动开启
• 反向传播完成后，直接读取输入图像张量的grad属性即可得到对应梯度
• 如果不需要更新模型参数，建议关闭模型参数的梯度计算，节省显存和计算资源

修改后的adv_loader循环代码如下：

for ixl,batch in enumerate(adv_loader):
    data = mx.gluon.utils.split_and_load(batch[0], ctx_list=ctx, batch_axis=0)
    fixed_targets = [mx.gluon.utils.split_and_load(batch[it], ctx_list=ctx, batch_axis=0) for it in range(1, 6)]
    gt_boxes = mx.gluon.utils.split_and_load(batch[6], ctx_list=ctx, batch_axis=0)
    sum_losses = []
    # 给每个输入图像张量开启梯度跟踪
    for x in data:
        x.attach_grad()
    with autograd.record():
        for ix, x in enumerate(data):
            obj_loss, center_loss, scale_loss, cls_loss = net(x, gt_boxes[ix], *[ft[ix] for ft in fixed_targets])
            sum_loss = obj_loss + center_loss + scale_loss + cls_loss
            sum_losses.append(sum_loss)
    # 反向传播计算梯度
    autograd.backward(sum_losses, retain_graph=True)
    # 读取每个输入批次的梯度
    for ix, x in enumerate(data):
        # x.grad就是当前批次输入图像对应的梯度
        grad_np = x.grad.asnumpy()
        print(f"批次{ix}梯度形状：{grad_np.shape}，梯度均值：{grad_np.mean()}")
    # 只取第一个批次就退出可以加break，不需要就去掉
    break

• 如果你需要的是模型参数的梯度而非输入图像的梯度，遍历net.collect_params().values()读取每个参数的grad属性即可
• 计算输入梯度时不需要调用trainer.step()，避免误更新模型权重
• 如果你之前开启了net.hybridize()遇到梯度获取异常，可以先注释掉hybridize相关代码，用动态图模式计算梯度更稳定

内容的提问来源于stack exchange，提问作者mlanier