PyTorch系列3 --- Variable

参考：

• 变量 (Variable)——莫烦教程PyTorch

import torch
###tensor是PyTorch中的完美组件，但是构建神经网络还远远不够，我们需要能够构建计算图的tensor，，这就是Variable。
# Variable是对tensor的分装，操作和tensor是一样的，，但是每个Variable都有三个 属性，，Variable中的tensor本身.data,,对应tensor的梯度.grad以及这个Variable是通过什么方式得到的.grad_fn
#导入Variable
from torch.autograd import Variable
x_tensor = torch.randn(3,2)
y_tensor = torch.randn(3,2)
print("x_tensor的值:  ",x_tensor)
print("y_tensor的值： ",y_tensor)

#将tensor变成Variable
x = Variable(x_tensor,requires_grad = True)#默认 Variable 是不需要求梯度的，，所以我们用这个方式申明需要对其进行求梯度
y = Variable(y_tensor,requires_grad = True)
print("将x由Tensor转换为Variable后的值:   ",x)
print("将y由Tensor转换为Variable后的值：  ",y)

z = torch.sum(x + y)
print("z = torch.sum(x + y)的值：  ",z.data)
print("grad_fn： ",z.grad_fn)
##上面我们打出了z中的tensor数值，同时通过grad_fn知道了其是通过Sum这种方式得到的
#求 x 和 y 的梯度
z.backward()
print("x.grad： ",x.grad)
print("y.grad： ",y.grad)

运行结果：

##小练习：尝试构建一个函数y = x^2，然后求x = 2 的导数。
import torch
from torch.autograd import Variable
# 答案：
x = Variable(torch.FloatTensor([2]),requires_grad = True)
y = x ** 2
y.backward()
print(x.grad)

运行结果：