《动手深度学习》矩阵计算与自动求导

本文介绍了矩阵计算中的偏导数概念以及深度学习中自动求导的两种模式,包括使用torch库进行实例演示,重点讲解了如何利用反向传播函数自动计算梯度的过程。
摘要由CSDN通过智能技术生成

一、矩阵计算

1、偏导数(形状很重要)

二、自动求导

1、自动求导两种模式

2、

x =[0, 1, 2, 3]

y = 2 * torch.dot(x, x)

y.backward() //反向传播函数

3、

  • 深度学习框架可以自动计算导数:我们首先将梯度附加到想要对其计算偏导数的变量上,然后记录目标值的计算,执行它的反向传播函数,并访问得到的梯度。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值