本文探讨了复变函数的可导性，特别是全纯函数和nonholomophic函数。Wirtinger算子用于处理不可导的复变函数的反向传播，通过将复数视为z和z*的函数进行求导。在Pytorch中，针对全纯和非全纯函数的反向传播有不同的处理方式，对于全纯函数，其梯度与实数域相同；对于非全纯函数，需要计算两个Wirtinger导数并结合上层梯度。文章给出了具体实现，扩展了Pytorch的自动求导机制以处理复数运算。
复函数的可导性
复变函数按照是否可导，分为全纯函数holomothic和nonholomophic，判断条件为Cauchy-Riemann方程。
对于不可导的nonholomophic函数：
Wirtinger算子
采用Wirtinger算子来计算反向传播。
Wirtinger算子的思路是，将任何复变函数f，看做f(z,z*)，求导数就是对z和共轭z*分别求导：
其中：
z=x + jy。
而全纯函数f(z)，当且仅当df/dz*=0。
参考1，2，3
Pytorch实现
损失函数梯度
损失函数J的梯度为：
最低0.47元/天 解锁文章
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
