Pytorch基本变量类型FloatTensor与Variable

pytorch中基本的变量类型当属FloatTensor（以下都用floattensor），而Variable（以下都用variable）是floattensor的封装，除了包含floattensor还包含有梯度信息

pytorch中的dochi给出一些对于floattensor的基本的操作，比如四则运算以及平方等(链接)，这些操作对于floattensor是十分的不友好，有时候需要写一个正则化的项需要写很长的一串，比如两个floattensor之间的相加需要用torch.add()来实现

然而正确的打开方式并不是这样

韩国一位大神写了一个pytorch的turorial，其中包含style transfer的一个代码实现

 1     for step in range(config.total_step):
 2         
 3         # Extract multiple(5) conv feature vectors
 4         target_features = vgg(target)   # 每一次输入到网络中的是同样一张图片，反传优化的目标是输入的target
 5         content_features = vgg(Variable(content))
 6         style_features = vgg(Variable(style))
 7 
 8         style_loss = 0
 9         content_loss = 0
10         for f1, f2, f3 in zip(target_features, content_features, style_features):
11             # Compute content loss (target and content image)
12             content_loss += torch.mean((f1 - f2)**2)  # square 可以进行直接加-操作？可以，并且mean对所有的元素进行均值化造作
13 
14             # Reshape conv features
15             _, c, h, w = f1.size()  # channel height width
16             f1 = f1.view(c, h * w)  # reshape a vector
17             f3 = f3.view(c, h * w)  # reshape a vector
18 
19             # Compute gram matrix  
20             f1 = torch.mm(f1, f1.t())
21             f3 = torch.mm(f3, f3.t())
22 
23             # Compute style loss (target and style image)
24             style_loss += torch.mean((f1 - f3)**2) / (c * h * w)   # 总共元素的数目？

其中f1与f2,f3的变量类型是Variable，作者对其直接用四则运算符进行加减，并且用python内置的**进行平方操作，然后

 1 # -*-coding: utf-8 -*-
 2 import torch
 3 from torch.autograd import Variable
 4 
 5 # dtype = torch.FloatTensor
 6 dtype = torch.cuda.FloatTensor  # Uncomment this to run on GPU
 7 
 8 # N is batch size; D_in is input dimension;
 9 # H is hidden dimension; D_out is output dimension.
10 N, D_in, H, D_out = 64, 1000, 100, 10
11 
12 # Randomly initialize weights
13 w1 = torch.randn(D_in, H).type(dtype)  # 两个权重矩阵
14 w2 = torch.randn(D_in, H).type(dtype)
15 # operate with +-*/ and **
16 w3 = w1-2*w2
17 w4 = w3**2
18 w5 = w4/w1
19 
20 
21 # operate the Variable with +-*/ and **
22 w6 = Variable(torch.randn(N, D_in).type(dtype))
23 w7 = Variable(torch.randn(N, D_in).type(dtype))
24 w8 = w6 + w7
25 w9 = w6*w7
26 w10 = w9**2
27 print(1)

基本上调试的结果与预期相符

所以，对于floattensor以及variable进行普通的+-×/以及**没毛病