锐客网

  1. 首页 > 睿知 > it技术 > >

PyTorch的梯度用法图解

pytorchIT知识Python

在本节中, 我们讨论了派生工具及其如何在PyTorch上应用。所以开始吧
梯度用于查找函数的导数。用数学术语来说, 导数是指部分区分函数并找到值。
下面是如何计算函数导数的图。

PyTorch的梯度用法图解

文章图片
PyTorch的梯度用法图解

文章图片
我们在上图中完成的工作将在带有梯度的PyTorch中完成。有以下步骤可找到该函数的导数。
【PyTorch的梯度用法图解】1.我们首先要初始化函数(y = 3× 3 + 5× 2 + 7x + 1), 然后为其计算导数。
2.下一步是设置函数中使用的变量的值。 x的值以以下方式设置。
X= torch.tensor (2.0, requires_grad=True)

我们通常需要一个梯度来找到函数的导数。
3.接下来就是简单地通过使用向后()方法来计算函数的导数。
4.最后一步是使用grad访问或打印导数的值。
让我们看一个寻找导数的例子
import torchx=torch.tensor(2.0, requires_grad=True)y=8*x**4+3*x**3+7*x**2+6*x+3y.backward()x.grad

输出
tensor(326.)

PyTorch的梯度用法图解

文章图片
另一个例子
import torchx=torch.tensor(2.0, requires_grad=True)z=torch.tensor(4.0, requires_grad=True)y=x**2+z**3y.backward()x.gradz.grad

输出
tensor(4.)tensor(48.)

PyTorch的梯度用法图解

文章图片

    推荐阅读


    上一篇：PyTorch CIFAR-10和CIFAR-100数据集

    下一篇：PyTorch中样式转移的图像加载和转换