【Pytorch学习】2.3梯度

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

【tips】with torch.no_grad(): 或 t.detach()

x = torch.tensor(1.0, requires_grad=True)
print("x:", x) # x: tensor(1., requires_grad=True)
y1 = x ** 2
print("y1:", y1) # y1: tensor(1., grad_fn=<PowBackward0>)
y2 = x ** 3
print("y2:", y2) # y2: tensor(1., grad_fn=<PowBackward0>)
y2 = y2.detach()# 效果等同于:with torch.no_grad():
"""
with torch.no_grad():
	y2 = x ** 3
"""
print("y2d:", y2) # y2d: tensor(1.)

y3 = y1 + y2
y3.backward()
print(x.grad) # tensor(2.)
# 若y2没逃离梯度计算,则x.grad=5

在这里插入图片描述
在这里插入图片描述

评论 1
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