基础知识
tensors:
tensor在pytorch里面是一个n维数组。我们可以通过指定参数reuqires_grad=True来建立一个反向传播图,从而能够计算梯度。在pytorch中一般叫做dynamic computation graph(DCG)——即动态计算图。
import torch
import numpy as np
# 方式一
x = torch.randn(2,2, requires_grad=True)
# 方式二
x = torch.autograd.Variable(torch.Tensor([2,3]), requires_grad=True)
#方式三
x = torch.tensor([2,3], requires_grad=True, dtype=torch.float64)
# 方式四
x = np.array([1,2,3] ,dtype=np.float64)
x = torch.from_numpy(x)
x.requires_grad = True
# 或者 x.requires_grad_(True)
note1:在pytorch中,只有浮点类型的数才有梯度,故在方法四中指定np数组的类型为float类型。为什么torch.Tensor中不需要呢,可以通过以下代码验证
import torch
import numpy as np
a = torch.Tensor([2,3])
print(a.dtype) # torch.floaat32
b = torch.tensor([2,3])