自动求导,计算图示意图及pytorch实现

pytorch实现

python 复制代码
x1 = torch.tensor(3.0, requires_grad=True)
y1 = torch.tensor(2.0, requires_grad=True)
a = x1 ** 2
b = 3 * a
c = b * y1
c.backward()
print(x1.grad)
print(y1.grad)
print(x1.grad == 6 * x1 * y1)
print(y1.grad == 3 * (x1 ** 2))

输出为:
tensor(36.)
tensor(27.)
tensor(True)
tensor(True)

默认情况下,pytorch会累加梯度,每次backward()前,需要进行梯度清零

python 复制代码
x.grad.zero_()
相关推荐
掘金安东尼3 分钟前
国内大模型真实格局:用户规模 vs API调用量(v2026.3.6)
人工智能
前端一课15 分钟前
OpenClaw 项目全面架构分析报告
前端·人工智能
小姐姐味道30 分钟前
1万美金的账单,烧麻了!bull这个skills让数据推理质量更好,更省!
人工智能
苍何33 分钟前
再见 Openclaw,桌面端 Agent 起飞了!
人工智能
雮尘1 小时前
让 AI Agent 高效并行开发的命令-git worktree
人工智能·git·agent
Ray Liang2 小时前
AI基于Spec开发是巨坑?
人工智能·架构设计·mindx
哔哩哔哩技术2 小时前
游戏数据分析Agent的全栈架构演进
人工智能·agent
陆通3 小时前
10分钟Windows系统安装迷你版的OpenClaw ,小小龙虾Nanobot
人工智能
老张的码3 小时前
飞书 × OpenClaw 接入指南
人工智能·后端