-
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
# 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
# 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
# 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)
-
pytorch自动微分
Fiona.y2024-08-23 9:39
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想成为风筝6 小时前
从零开始学习深度学习—水果分类之PyQt5AppF_D_Z6 小时前
MMaDA:多模态大型扩散语言模型大知闲闲哟6 小时前
深度学习G2周:人脸图像生成(DCGAN)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潘达斯奈基~7 小时前
大模型的Temperature、Top-P、Top-K、Greedy Search、Beem Search倔强青铜三8 小时前
苦练Python第18天:Python异常处理锦囊倔强青铜三8 小时前
苦练Python第17天:你必须掌握的Python内置函数