PyTorch学习笔记(3)autograd 自动求导

本文是PyTorch学习笔记的第三部分,主要探讨autograd模块的自动求导功能。通过torch.autograd.backward可以自动计算梯度,支持设置retain_graph以保留计算图,create_graph用于构建高阶导数图,同时可以指定grad_tensors进行多梯度权重计算。需要注意的是,autograd系统中,梯度不会自动清零,并且依赖于requires_grad=True的叶子结点来跟踪计算历史。
摘要由CSDN通过智能技术生成

自动求导

torch.autograd.backward
自动求取梯度
tensors 用于求导的张量
retain_graph 保存计算图
create_graph 创建导数计算图 用于高阶求导
grad_tensors 多梯度权重

flag = True
# flag = False
if flag:
    # requires_grad 要求梯度
    w = torch.tensor([1.],requires_grad=True)
    x = torch.tensor([2.],requires_grad
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值