# 导包
import torch
from torch.autograd import Variable
# 创建一个tensor命名为a,并给定变量内的值,将tensor设置为可梯度下降,这里仅有FloatTensor型的tensor可进行梯度下降
a = Variable(torch.FloatTensor([[1, 2], [3, 4]]), requires_grad=True)
# 表示a=[1,2]的2×2的一个矩阵,但是本质是一个张量,且是可梯度下降的
# [3,4]
# 求a*a平方后的均值,并赋值给out
# 但是为了往后的梯度下降,也就是对a求导,这里将out看作为a²/4
out = torch.mean(a*a)
# 给予out反向传播的权力,也就是求导的权力
out.backward()
# 求out对a的导数,也就是d(out)/d(a) = a/2
print(a.grad)
# 其结果为a/2=tensor([[0.5000, 1.0000],
# [1.5000, 2.0000]])
Pytorch使用backward()求导的例子
最新推荐文章于 2023-04-05 10:07:15 发布