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
青松@FasterAI16 分钟前
【程序员 NLP 入门】词嵌入 - 上下文中的窗口大小是什么意思? (★小白必会版★)
人工智能·自然语言处理
AIGC大时代31 分钟前
高效使用DeepSeek对“情境+ 对象 +问题“型课题进行开题!
数据库·人工智能·算法·aigc·智能写作·deepseek
硅谷秋水32 分钟前
GAIA-2:用于自动驾驶的可控多视图生成世界模型
人工智能·机器学习·自动驾驶
多巴胺与内啡肽.35 分钟前
深度学习--自然语言处理统计语言与神经语言模型
深度学习·语言模型·自然语言处理
偶尔微微一笑44 分钟前
AI网络渗透kali应用(gptshell)
linux·人工智能·python·自然语言处理·编辑器
深度之眼1 小时前
2025时间序列都有哪些创新点可做——总结篇
人工智能·深度学习·机器学习·时间序列
晓数1 小时前
【硬核干货】JetBrains AI Assistant 干货笔记
人工智能·笔记·jetbrains·ai assistant
jndingxin1 小时前
OpenCV 图形API(60)颜色空间转换-----将图像从 YUV 色彩空间转换为 RGB 色彩空间函数YUV2RGB()
人工智能·opencv·计算机视觉
Sherlock Ma2 小时前
PDFMathTranslate:基于LLM的PDF文档翻译及双语对照的工具【使用教程】
人工智能·pytorch·语言模型·pdf·大模型·机器翻译·deepseek
知舟不叙2 小时前
OpenCV中的SIFT特征提取
人工智能·opencv·计算机视觉