“DataParallel”对象没有属性“init_hidden”答案

【问题标题】：‘DataParallel’ object has no attribute ‘init_hidden’“DataParallel”对象没有属性“init_hidden”
【发布时间】：2018-10-30 16:56:48
【问题描述】：

我想做的是在我的自定义 RNN 类中使用 DataParallel。

似乎我以错误的方式初始化了 hidden_0...

class RNN(nn.Module):
    def __init__(self, input_size, hidden_size, output_size, n_layers=1):
        super(RNN, self).__init__()
        self.input_size = input_size
        self.hidden_size = hidden_size
        self.output_size = output_size
        self.n_layers = n_layers

        self.encoder = nn.Embedding(input_size, hidden_size)
        self.gru = nn.GRU(hidden_size, hidden_size, n_layers,batch_first = True)
        self.decoder = nn.Linear(hidden_size, output_size)
        self.init_hidden(batch_size)
    
    
    def forward(self, input):
        input = self.encoder(input)
        output, self.hidden = self.gru(input,self.hidden)
        output = self.decoder(output.contiguous().view(-1,self.hidden_size))
        output = output.contiguous().view(batch_size,num_steps,N_CHARACTERS)
        #print (output.size())10,50,67
    
        return output

    def init_hidden(self,batch_size):
        self.hidden = Variable(T.zeros(self.n_layers, batch_size, self.hidden_size).cuda())

而我是这样称呼网络的：

decoder = T.nn.DataParallel(RNN(N_CHARACTERS, HIDDEN_SIZE, N_CHARACTERS), dim=1).cuda()

然后开始训练：

for epoch in range(EPOCH_):
    hidden = decoder.init_hidden()

但我得到了错误，我不知道如何解决它......

“DataParallel”对象没有属性“init_hidden”

感谢您的帮助！

【问题讨论】：

标签： deep-learning pytorch

【解决方案1】：

当使用DataParallel 时，您的原始模块将位于并行模块的module 属性中：

for epoch in range(EPOCH_):
    hidden = decoder.module.init_hidden()

【讨论】：

【解决方案2】：

我做的一个解决方法是：

self.model = model 
# Since if the model is wrapped by the `DataParallel` class, you won't be able to access its attributes
# unless you write `model.module` which breaks the code compatibility. We use `model_attr_accessor` for attributes
# accessing only.
if isinstance(model, DataParallel):
    self.model_attr_accessor = model.module
else:
    self.model_attr_accessor = model

当我执行self.model(input)（即，当它被DataParallel 包裹时）时，这给了我将模型分布在我的 GPU 上的优势；当我需要访问它的属性时，我只需执行self.model_attr_accessor.<<WHATEVER>>。此外，这种设计为我提供了一种更模块化的方式来访问多个函数的属性，而无需在所有函数中都使用if-statements 来检查它是否被DataParallel 包裹。

另一方面，如果您编写了model.module.<<WHATEVER>> 并且模型没有被DataParallel 包裹，则会引发错误，指出您的模型没有module 属性。

但是，更紧凑的实现是创建一个自定义的DataParallel，如下所示：

class _CustomDataParallel(nn.Module):
    def __init__(self, model):
        super(_CustomDataParallel, self).__init__()
        self.model = nn.DataParallel(model).cuda()

    def forward(self, *input):
        return self.model(*input)

    def __getattr__(self, name):
        try:
            return super().__getattr__(name)
        except AttributeError:
            return getattr(self.model.module, name)

【讨论】：