我在尝试在损失函数中使用分位数来进行训练（为了增加一些鲁棒性，类似于最小修剪平方），但这会改变数组，Zygote 会抛出一个错误 Mutating arrays is not supported，源自 sort!。下面是一个简单的例子（当然内容没有意义）：

using Flux, StatsBasexdata = randn(2, 100)   ydata = randn(100)model = Chain(Dense(2,10), Dense(10, 1))function trimmedLoss(x,y; trimFrac=0.f05)        yhat = model(x)        absRes = abs.(yhat .- y) |> vec        trimVal = quantile(absRes, 1.f0-trimFrac)         s = sum(ifelse.(absRes .> trimVal,  0.f0 , absRes ))/(length(absRes)*(1.f0-trimFrac))        #s = sum(absRes)/length(absRes)   # 使用这个并注释掉上面的两行可以工作（不出所料）    endprintln(trimmedLoss(xdata, ydata)) # 正常工作Flux.train!(trimmedLoss, params(model), zip([xdata], [ydata]), ADAM())println(trimmedLoss(xdata, ydata)) # 损失值改变了？

这是在 Flux 0.10 和 Julia 1.2 上运行的

非常感谢您提供任何提示或解决方案！

回答：

理想情况下，我们会为 quantile 定义一个自定义伴随函数，这样就可以开箱即用。（欢迎在这里创建一个问题来提醒我们这样做。）

在此期间，有一个快速的解决方案。实际上是排序导致了问题，所以如果你使用 quantile(xs, p, sorted=true) 就可以工作。显然，这需要 xs 已经排序才能得到正确的结果，所以你可能需要使用 quantile(sort(xs), ...)。

根据您的 Zygote 版本，您可能还需要为 sort 定义一个伴随函数。这很简单：

julia> using Zygote: @adjointjulia> @adjoint function sort(x)         p = sortperm(x)         x[p], x̄ -> (x̄[invperm(p)],)       endjulia> gradient(x -> quantile(sort(x), 0.5, sorted=true), [1, 2, 3, 3])([0.0, 0.5, 0.5, 0.0],)

我们将在下一个 Zygote 版本中内置这个功能，但现在如果您将这段代码添加到您的脚本中，它将使您的代码正常工作。