莫烦Pytorch系列教程2.2-变量Variable

#什么是Variable
#在torch中的variable就是一个存放会变化的值的地理位置。里面的值会不断变化
#就像一个装有鸡蛋的篮子，鸡蛋数会不断变化。
#torch里面的tensor就是鸡蛋
#如果用一个variable进行计算，那么返回的也是一个同类型的Variable
import torch
from torch.autograd import Variable
#生蛋
tensor = torch.FloatTensor([[1,2],[3,4]])
#把鸡蛋放在一个篮子里
variable  = Variable(tensor,requires_grad = True)
#在参与误差反向传播时，梯度应该使用require grad=True关键字来计算。
print(tensor)
print(variable)

#对比tensor和variable
t_out = torch.mean(tensor*tensor)  #x^2
v_out = torch.mean(variable*variable)  #x^2
print(
      '\nt_out:',t_out,
      '\nv_out:',v_out 
      )
#variable 可以进行反向传播
#tensor 不可以进行反向传播
v_out.backward()#variable 进行反向传播
print(
      '\nvariable.grad',variable.grad)#反向传播后梯度的数据

在计算Variable时，它在幕布背景后面一步步默默搭建一个庞大的系统，叫做计算图，computational graph是将所有计算节点都连接起来，最后在误差反向传播的时候，一次性将所有的Variable里面的所有修改幅度（梯度）都计算出来，而tensor没有这个能力。