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。