pytorch自动微分

  1. 一、torch.autograd.backward(tensors, grad_tensors=None, retain_graph=None, create_graph=False)功能:自动求取梯度

    • grad_tensors:多梯度权重

      复制代码
      # 自动求取梯度
      # import torch
      # w = torch.tensor([1.],requires_grad=True)
      # x = torch.tensor([2.],requires_grad=True)
      # a = torch.add(w, x) #逐位相加
      # b = torch.add(w, 1)
      # y = torch.mul(a, b)# 逐位相乘
      #
      # c = y.backward(retain_graph = True)
      # print(c)
    • create_graph:创建导数计算图,用于高阶求导

    • retain_graph:保存计算图

    • tensors:用于求导的张量,如 loss

    • 2、torch.autograd.grad(outputs, inputs, grad_outputs=None, retain_graph=None, create_graph=False)功能:求取梯度

      • outputs:用于求导的张量,如 loss
      • inputs:需要梯度的张量
      • create_graph:创建导数计算图,用于高阶求导
      • retain_graph:保存计算图
      • grad_outputs:多梯度权重
      复制代码
      # 求取梯度
      # import torch
      # x = torch.tensor([3.],requires_grad=True)
      # y = torch.pow(x, 2)
      # grad_1 = torch.autograd.grad(y, x, create_graph = True)
      # grad_2 = torch.autograd.grad(grad_1[0],x)
      # print(grad_2)
      • 实例
      复制代码
      # 实例,求y=x方的一阶与二阶偏导
      import torch
      x = torch.tensor([3.], requires_grad=True)
      y = torch.pow(x,2)
      
      #求取一阶导数
      grad_1 =torch.autograd.grad(y,x,create_graph=True)
      
      #求取二阶导数
      grad_2 = torch.autograd.grad(grad_1,x) #此处值x是确定的,开始给定了3
      
      # 展示一阶倒数的结果
      print(grad_1)
      #展示二阶导数结果
      print(grad_2)
      
      # 求取y=x的立方的一阶二阶三阶导数
      
      # 创建x的初值
      import torch
      
      # 创建x,并赋予初值
      x = torch.tensor([2],requires_grad = True)
      # 创建y
      y = torch.pow(x, 3)
      # 做一阶导数
      grad_1 = torch.autograd.grad(y, x, create_graph=True)
      # 做二阶导数
      grad_2 = torch.autograd.grad(grad_1[0], x, create_graph=True)
      # 做三阶导数
      grad_3 = torch.autograd.grad(grad_2[0], x, create_graph=False)
      
      print(grad_1)
      print(grad_2)
      print(grad_3)
相关推荐
charley.layabox3 小时前
8月1日ChinaJoy酒会 | 游戏出海高端私享局 | 平台 × 发行 × 投资 × 研发精英畅饮畅聊
人工智能·游戏
DFRobot智位机器人4 小时前
AIOT开发选型:行空板 K10 与 M10 适用场景与选型深度解析
人工智能
想成为风筝6 小时前
从零开始学习深度学习—水果分类之PyQt5App
人工智能·深度学习·计算机视觉·pyqt
F_D_Z6 小时前
MMaDA:多模态大型扩散语言模型
人工智能·语言模型·自然语言处理
大知闲闲哟6 小时前
深度学习G2周:人脸图像生成(DCGAN)
人工智能·深度学习
飞哥数智坊6 小时前
Coze实战第15讲:钱都去哪儿了?Coze+飞书搭建自动记账系统
人工智能·coze
wenzhangli76 小时前
低代码引擎核心技术:OneCode常用动作事件速查手册及注解驱动开发详解
人工智能·低代码·云原生
潘达斯奈基~7 小时前
大模型的Temperature、Top-P、Top-K、Greedy Search、Beem Search
人工智能·aigc
倔强青铜三8 小时前
苦练Python第18天:Python异常处理锦囊
人工智能·python·面试
倔强青铜三8 小时前
苦练Python第17天:你必须掌握的Python内置函数
人工智能·python·面试