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
羑悻的小杀马特27 分钟前
OpenCV 引擎:驱动实时应用开发的科技狂飙
人工智能·科技·opencv·计算机视觉
guanshiyishi3 小时前
ABeam 德硕 | 中国汽车市场(2)——新能源车的崛起与中国汽车市场机遇与挑战
人工智能
极客天成ScaleFlash4 小时前
极客天成NVFile:无缓存直击存储性能天花板,重新定义AI时代并行存储新范式
人工智能·缓存
Uzuki4 小时前
AI可解释性 II | Saliency Maps-based 归因方法(Attribution)论文导读(持续更新)
深度学习·机器学习·可解释性
澳鹏Appen5 小时前
AI安全:构建负责任且可靠的系统
人工智能·安全
蹦蹦跳跳真可爱5895 小时前
Python----机器学习(KNN:使用数学方法实现KNN)
人工智能·python·机器学习
视界宝藏库6 小时前
多元 AI 配音软件,打造独特音频体验
人工智能
xinxiyinhe6 小时前
GitHub上英语学习工具的精选分类汇总
人工智能·deepseek·学习英语精选
ZStack开发者社区7 小时前
全球化2.0 | ZStack举办香港Partner Day,推动AIOS智塔+DeepSeek海外实践
人工智能·云计算
Spcarrydoinb8 小时前
基于yolo11的BGA图像目标检测
人工智能·目标检测·计算机视觉