Pytorch之Variable的用法
1.简介
torch.autograd.Variable是Autograd的核心类,它封装了Tensor,并整合了反向传播的相关实现
Variable和tensor的区别和联系
Variable是篮子,而tensor是鸡蛋,鸡蛋应该放在篮子里才能方便拿走(定义variable时一个参数就是tensor)
Variable这个篮子里除了装了tensor外还有requires_grad参数,表示是否需要对其求导,默认为False
Variable这个篮子呢,自身有一些属性
比如grad,梯度variable.grad是d(y)/d(variable)保存的是变量y对variable变量的梯度值,如果requires_grad参数为False,所以variable.grad返回值为None,如果为True,返回值就为对variable的梯度值
比如grad_fn,对于用户自己创建的变量(Variable())grad_fn是为none的,也就是不能调用backward函数,但对于由计算生成的变量,如果存在一个生成中间变量的requires_grad为true,那其的grad_fn不为none,反则为none
比如data,这个就很简单,这个属性就是装的鸡蛋(tensor)
Varibale包含三个属性:
data:存储了Tensor,是本体的数据grad:保存了data的梯度,本事是个Variable而非Tensor,与data形状一致grad_fn:指向Function对象,用于反向传播的梯度计算之用
代码1
importnumpyasnp importtorch fromtorch.autogradimportVariable x=Variable(torch.ones(2,2),requires_grad=False) temp=Variable(torch.zeros(2,2),requires_grad=True) y=x+temp+2 y=y.mean()#求平均数 y.backward()#反向传递函数,用于求y对前面的变量(x)的梯度 print(x.grad)#d(y)/d(x)
输出1
none
(因为requires_grad=False)
代码2
importnumpyasnp importtorch fromtorch.autogradimportVariable x=Variable(torch.ones(2,2),requires_grad=False) temp=Variable(torch.zeros(2,2),requires_grad=True) y=x+temp+2 y=y.mean()#求平均数 y.backward()#反向传递函数,用于求y对前面的变量(x)的梯度 print(temp.grad)#d(y)/d(temp)
输出2
tensor([[0.2500,0.2500],
[0.2500,0.2500]])
代码3
importnumpyasnp importtorch fromtorch.autogradimportVariable x=Variable(torch.ones(2,2),requires_grad=False) temp=Variable(torch.zeros(2,2),requires_grad=True) y=x+2 y=y.mean()#求平均数 y.backward()#反向传递函数,用于求y对前面的变量(x)的梯度 print(x.grad)#d(y)/d(x)
输出3
Traceback(mostrecentcalllast):
File"path",line12,in
y.backward()
(报错了,因为生成变量y的中间变量只有x,而x的requires_grad是False,所以y的grad_fn是none)
代码4
importnumpyasnp importtorch fromtorch.autogradimportVariable x=Variable(torch.ones(2,2),requires_grad=False) temp=Variable(torch.zeros(2,2),requires_grad=True) y=x+2 y=y.mean()#求平均数 #y.backward()#反向传递函数,用于求y对前面的变量(x)的梯度 print(y.grad_fn)#d(y)/d(x)
输出4
none
2.grad属性
在每次backward后,grad值是会累加的,所以利用BP算法,每次迭代是需要将grad清零的。
x.grad.data.zero_()
(in-place操作需要加上_,即zero_)
以上这篇Pytorch之Variable的用法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持毛票票。
声明:本文内容来源于网络,版权归原作者所有,内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:czq8825#qq.com(发邮件时,请将#更换为@)进行举报,并提供相关证据,一经查实,本站将立刻删除涉嫌侵权内容。