torch.nn.utils.clip_grad_norm_函数主要作用：
神经网络深度逐渐增加，网络参数量增多的时候，容易引起梯度消失和梯度爆炸。对于梯度爆炸问题，解决方法之一便是进行梯度剪裁torch.nn.utils.clip_grad_norm_（），即设置一个梯度大小的上限。
注：旧版为torch.nn.utils.clip_grad_norm()
函数参数：
官网链接：https://pytorch.org/docs/stable/generated/torch.nn.utils.clip_grad_norm_.html
torch.nn.utils.clip_grad_norm_(parameters, max_norm, norm_type=2.0, error_if_nonfinite=False, foreach=None)
“Clips gradient norm of an iterable of parameters. The norm is computed over all gradients together, as if they were concatenated into a single vector. Gradients are modified in-place.”
“对一组可迭代(网络)参数的梯度范数进行裁剪。效果如同将所有参数连接成单个向量来计算范数。梯度原位修改。”
Parameters
-
parameters (Iterable[Tensor] or Tensor)– 实施梯度裁剪的可迭代网络参数
an iterable of Tensors or a single Tensor that will have gradients normalized（一个由张量或单个张量组成的可迭代对象（模型参数），将梯度归一化） -
max_norm (float)– 该组网络参数梯度的范数上限
max norm of the gradients（梯度的最大值） -
norm_type (float)–范数类型
type of the used p-norm. Can be ‘inf’ for infinity norm.（所使用的范数类型。默认为L2范数，可以是无穷大范数（‘inf’）） -
error_if_nonfinite (bool)–
if True, an error is thrown if the total norm of the gradients from parameters is nan, inf, or -inf. Default: False (will switch to True in the future) -
foreach (bool)–
use the faster foreach-based implementation. If None, use the foreach implementation for CUDA and CPU native tensors and silently fall back to the slow implementation for other device types. Default: None
源码解读：
参考：https://blog.csdn.net/Mikeyboi/article/details/119522689
（建议大家看看源码，更好理解函数意义，有注释）
def clip_grad_norm_(parameters, max_norm, norm_type=2):# 处理传入的三个参数。# 首先将parameters中的非空网络参数存入一个列表，# 然后将max_norm和norm_type类型强制为浮点数。if isinstance(parameters, torch.Tensor):parameters = [parameters]parameters = list(filter(lambda p: p.grad is not None, parameters))max_norm = float(max_norm)norm_type = float(norm_type)#对无穷范数进行了单独计算，即取所有网络参数梯度范数中的最大值，定义为total_normif norm_type == inf:total_norm = max(p.grad.data.abs().max() for p in parameters)# 对于其他范数，计算所有网络参数梯度范数之和，再归一化，# 即等价于把所有网络参数放入一个向量，再对向量计算范数。将结果定义为total_normelse:total_norm = 0for p in parameters:param_norm = p.grad.data.norm(norm_type)total_norm += param_norm.item() ** norm_type # norm_type=2 求平方（二范数）total_norm = total_norm ** (1. / norm_type) # norm_type=2 等价于 开根号# 最后定义了一个“裁剪系数”变量clip_coef，为传入参数max_norm和total_norm的比值（+1e-6防止分母为0的情况）。# 如果max_norm > total_norm，即没有溢出预设上限，则不对梯度进行修改。# 反之则以clip_coef为系数对全部梯度进行惩罚，使最后的全部梯度范数归一化至max_norm的值。# 注意该方法返回了一个 total_norm，实际应用时可以通过该方法得到网络参数梯度的范数，以便确定合理的max_norm值。clip_coef = max_norm / (total_norm + 1e-6)if clip_coef < 1:for p in parameters:p.grad.data.mul_(clip_coef)return total_norm使用方法及分析：
应用逻辑为：
- 先计算梯度；
- 裁剪梯度（在函数内部会判断是否需要裁剪，具体看源码解读）；
- 最后更新网络参数。
因此 torch.nn.utils.clip_grad_norm_() 的使用应该在loss.backward() 之后，optimizer.step() 之前，
在U-Net中如下：
optimizer.zero_grad(set_to_none=True)
grad_scaler.scale(loss).backward()
torch.nn.utils.clip_grad_norm_(model.parameters(), gradient_clipping)
grad_scaler.step(optimizer)
grad_scaler.update()
参考：https://blog.csdn.net/zhaohongfei_358/article/details/122820992
注意：
- 从上面文章可以看到，clip_grad_norm 最后就是对所有的梯度乘以一个 clip_coef（
p.grad.data.mul_(clip_coef)），而且乘的前提是clip_coef一定是小于1的，所以，clip_grad_norm 只解决梯度爆炸问题，不解决梯度消失问题 - 由clip_coef的定义**
clip_coef = max_norm / (total_norm + 1e-6)** 可以知道：max_norm越大，对于梯度爆炸的解决越柔和，max_norm越小，对梯度爆炸的解决越狠
)
