Pytorch 随笔0712

IT__shan

于 2023-07-12 23:26:40 发布

阅读量172

点赞数

CC 4.0 BY-SA版权

分类专栏： Pytorch学习文章标签： pytorch

本文链接：https://blog.csdn.net/IT__caiji/article/details/131692402

Pytorch学习专栏收录该内容

5 篇文章

订阅专栏

该文展示了在PyTorch环境中进行自动微分的基本步骤，包括创建浮点数Tensor以启用梯度计算，执行数学运算，使用`.requires_grad_()`和`.backward()`函数计算梯度，以及如何清零梯度值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2.5自动微分
（P42）


(base) C:\Users\杨珊>conda activate env_pytorch

(env_pytorch) C:\Users\杨珊>python
Python 3.7.16 (default, Jan 17 2023, 16:06:28) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch


>>> x=torch.arange(4)
>>> x
tensor([0, 1, 2, 3])
>>> x.requires_grad_(True)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
RuntimeError: only Tensors of floating point dtype can require gradients



>>> x=torch.arange(4.0,requires_grad=True)
>>> x.grad
>>> x.grad=4=4*x
  File "<stdin>", line 1
SyntaxError: can't assign to literal



>>> y=2*torch.dot(x,x)
>>> y
tensor(28., grad_fn=<MulBackward0>)
>>> y.backward()
>>> x.grad
tensor([ 0.,  4.,  8., 12.])
>>> x.grad==4*x
tensor([True, True, True, True])




>>> x.grad.zero_()
tensor([0., 0., 0., 0.])
>>> y=x*x
>>> y
tensor([0., 1., 4., 9.], grad_fn=<MulBackward0>)