Variable变量(三)

目前官方已经弃用variable了，利用torch.autograd.Variable()生成variable对象并进行反向传播已经是过去式了。现在直接使用torch.tensor()就搞定了，可以在创建tensor时设置requires_grad=True。因此，下面并没有对variable变量进行过多的介绍，想了解就了解一下，可以结合下面的参考文章，不看也行。
  pytorch中有两个基本对象：Tensor（张量）和Variable（变量）。Variable字面意思为可变的、变量，也就是说它里面存放的是可以变化的量，符合反向传播，参数更新的属性。具体而言，pytorch中存放变化值的地理位置(地址)，里面的值是不停变化的。pytorch都是由tensor计算的，而tensor里面的参数是variable形式。

import torch
from torch.autograd import Variable
torch.autograd.Variable()
tensor = torch.tensor([[1, 3], [2, 4]], dtype=float)
variable = Variable(tensor, requires_grad=True)
print(f"tensor:{tensor}")
print(f"variable:{variable}")

print(variable.data)  # 查看变量variable中的原始tensor数据
print(variable.grad)  # 计算变量variable的梯度。由于上面并没有进行反向传播,所以输出None。

输出：
tensor:tensor([[1., 3.],
        [2., 4.]], dtype=torch.float64)
variable:tensor([[1., 3.],
        [2., 4.]], dtype=torch.float64, requires_grad=True)
tensor([[1., 3.],
        [2., 4.]], dtype=torch.float64)
None

参考文章
Pytorch的Variable详解
Pytorch入坑二：autograd 及Variable
浅谈Pytorch中的Variable的使用方法