为什么在被覆盖的 Solver：：Callback：：after_step（） 中对输入 blob 的梯度扰动会导致输入 blob 发生更改

问：

我正在尝试实现“对抗性数据增强”算法。为此，我注册了一个回调类，该类公开继承自函数和 。功能如下：GradPerturbcaffe::Solver<float>::CallbackGradPerturb::before_step()GradPerturb::after_step()after_step()

caffe::Blob<float>* input_blob = solver_.net()->input_blobs()[0];
caffe::Blob<float>* label_blob = solver_.net()->input_blobs()[1];
boost::shared_ptr<caffe::Blob<float>> first_feat = solver_.net()->blob_by_name("conv1_n");
boost::shared_ptr<caffe::Layer<float>> first_layer = solver_.net()->layer_by_name("conv1_n");
std::vector<bool> propagate_down(1, true);
const int input_data_count = input_blob->count();
std::vector<caffe::Blob<float>*> top_vecs(1, first_feat.get());
std::vector<caffe::Blob<float>*> bottom_vecs(1, input_blob);
for (int i = 0; i < perturb_iters_; ++i)
{
    caffe::caffe_gpu_set(first_feat->count(), 1.f, first_feat->mutable_gpu_diff());
    float loss = solver_.net()->ForwardBackward();
    first_layer->Backward(top_vecs, propagate_down, bottom_vecs);
    caffe::caffe_gpu_axpy(input_data_count, perturb_scale_, input_blob->gpu_diff(), input_blob->mutable_gpu_data());
    solver_.net()->ClearParamDiffs();
}

但是调用后，数据发生了变化。我的意思是它与以前不是同一批图像。caffe_gpu_axpyinput_blob

我尝试打印指针，它从未改变。另外，我尝试调用对应的 cpu 版本，甚至在 for 循环中计算，如下所示：input_blobcaffe_axpy

for (int j = 0; j < input_data_count; ++j)
{
    input_blob->mutable_cpu_data()[j] = input_blob->cpu_diff()[j] * perturb_scale_ + input_blob->cpu_data()[j];
}

更令人惊讶的是，数据输入没有改变，但标签在前几次迭代后发生了变化。事实上，当梯度扰动被移动到 时，这种现象并没有发生。所以我猜是 caffe 中的机制或多线程导致的，但我不明白实际的机制。input_bloblabel_blobbefore_step()Solver::Callback