这个东西已经被淘汰了,但是最好可以看一下,因为视频里也有一些相关的代码,不知道的话还是会带来很多的困扰。
数据格式
神经网络里面的参数都是以Variable变量的形式进行操作,也就是需要从torch数据格式 “tensor”转变为 Variable数据格式
数据意义
目前的深度学习框架大部分都基于计算图谱,一张图大概可以堪称一张有向无环图,图中的节点分为不同的几种,所以要把一个tensor作为一个神经网络的参数,首先就要把其变为Variable类型,这样才能被反向传播计算并且更新到。
求梯度
示例1
import torch as tf
data = [[1, 2], [3, 4]]
tensor = tf.FloatTensor(data).clone().detach().requires_grad_(True)
t_out = tf.mean(tensor*tensor)
t_out.backward()
print(tensor.grad)
结果:None
tensor([[0.5000, 1.0000],
[1.5000, 2.0000]])
解析:tensor = [[x1, x2], [x3, x4]]
t_out = 1/4 * [x1^2 + x2^2 + x3^2 + x4^2] = 1/4 * tensor^2
backward()即为反向建立联系
tensor.grad = d(t_out)/d(x) = d(t_out)/d(tensor) = 1/2 * tensor