2021-10-08

pytorch教程中有这样一个雅可比向量积的例子：

x = torch.randn(3, requires_grad=True)
print(x)

y = x * 2
i = 0
while y.data.norm() < 1000:
    y = y * 2
    i = i + 1
print(y)
print(i)

看也有人问其中的有y.data.norm()是什么意思?

首先是程序运行结果是

tensor([-0.3464, -0.1451,  1.6939], requires_grad=True)
tensor([-354.7274, -148.6218, 1734.5309], grad_fn=<MulBackward0>)
9

比较容易理解x,y,y.data的含义，分别为

x
tensor([-1.0589, -0.4102, -0.9685], requires_grad=True)
y
tensor([-2.1179, -0.8205, -1.9370], grad_fn=<MulBackward0>)
y.data
tensor([-2.1179, -0.8205, -1.9370])

norm在matlab中也有对应函数：比较简单的一个是

n = norm(v) 返回向量 v 的欧几里德范数。此范数也称为 2-范数、向量模或欧几里德长度

则y向量是欧式范数为math.sqrt(((-2.1179)**2+(-0.8205)**2+(-1.9370)**2))，计算结果得到2.985077831481116

那么再看y.data.norm()的值

y.data.norm()
tensor(2.9851)

得证如此。