for i,(image, label) in enumerate(train_loader):

    # 1. input output

    pred = model(image)

    loss = criterion(pred, label)

    # 2.1 loss regularization

    loss = loss / accumulation_steps 

    # 2.2 back propagation

    loss.backward()

    # 3. update parameters of net

    if (i+1) % accumulation_steps == 0:

        # optimizer the net

        optimizer.step()        # update parameters of net

        optimizer.zero_grad()  # reset gradient

上述代码解释如下：

    获取输入数据：从dataloader中取出每个batch的输入数据，图像和标签

    计算loss：输入图像送入网络，执行前向预测得到预测值，计算损失函数

    loss.backward() 反向传播，计算当前梯度

    多次循环步骤 1-2，不清空梯度，使梯度累加在已有梯度上

    梯度累加了一定次数后，先optimizer.step() 根据累计的梯度更新网络参数，然后optimizer.zero_grad() 清空过往梯度，为下一波梯度累加做准备。

简单来说：梯度累加就是，每次获取1个batch的数据，计算1次梯度，梯度不清空，不断累加，累加一定次数后，根据累加的梯度更新网络参数，然后清空梯度，进行下一次循环。

一定条件下，batchsize 越大训练效果越好，梯度累加则实现了 batchsize 的变相扩大，如果accumulation_steps 为 8，则batchsize '变相' 扩大了8倍，是我们这种乞丐实验室解决显存受限的一个不错的trick，使用时需要注意，学习率也要适当放大。

————————————————

原文链接：https://blog.csdn.net/sgzqc/article/details/120424281