解决torch.autograd.backward中的参数问题
torch.autograd.backward(variables, grad_variables=None, retain_graph=None, create_graph=False)
给定图的叶子节点variables, 计算图中变量的梯度和。 计算图可以通过链式法则求导。如果variables中的任何一个variable是 非标量(non-scalar)的，且requires_grad=True。那么此函数需要指定grad_variables，它的长度应该和variables的长度匹配，里面保存了相关variable的梯度(对于不需要gradient tensor的variable，None是可取的)。
此函数累积leaf variables计算的梯度。你可能需要在调用此函数之前将leaf variable的梯度置零。
参数：
variables（变量的序列） - 被求微分的叶子节点，即 ys 。
grad_variables（（张量，变量）的序列或无） - 对应variable的梯度。仅当variable不是标量且需要求梯度的时候使用。
retain_graph（bool，可选） - 如果为False，则用于释放计算grad的图。请注意，在几乎所有情况下，没有必要将此选项设置为True，通常可以以更有效的方式解决。默认值为create_graph的值。
create_graph（bool，可选） - 如果为True，则将构造派生图，允许计算更高阶的派生产品。默认为False。
我这里举一个官方的例子
import torch from torch.autograd import Variable x = Variable(torch.ones(2, 2), requires_grad=True) y = x + 2 z = y * y * 3 out = z.mean() out.backward()#这里是默认情况，相当于out.backward(torch.Tensor([1.0])) print(x.grad)
输出结果是
Variable containing: 4.5000 4.5000 4.5000 4.5000 [torch.FloatTensor of size 2x2]
接着我们继续
x = torch.randn(3) x = Variable(x, requires_grad=True) y = x * 2 while y.data.norm() < 1000: y = y * 2 gradients = torch.FloatTensor([0.1, 1.0, 0.0001]) y.backward(gradients) print(x.grad)
输出结果是
Variable containing: 204.8000 2048.0000 0.2048 [torch.FloatTensor of size 3]
这里这个gradients为什么要是[0.1, 1.0, 0.0001]？
如果输出的多个loss权重不同的话，例如有三个loss，一个是x loss，一个是y loss，一个是class loss。那么很明显的不可能所有loss对结果影响程度都一样，他们之间应该有一个比例。那么比例这里指的就是[0.1, 1.0, 0.0001]，这个问题中的loss对应的就是上面说的y，那么这里的输出就很好理解了dy/dx=0.1*dy1/dx+1.0*dy2/dx+0.0001*dy3/dx。
如有问题，希望大家指正，谢谢_!
以上这篇解决torch.autograd.backward中的参数问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了python中*号的用法,文中通过代码给大家介绍了双星号(**)的用法，非常不错，具有一定的参考借鉴价值，需要的朋友可以参考下2019-10-10
在使用 Pandas 进行数据分析和处理时，read_csv 是一个非常常用的函数，本文将详细介绍 read_csv 函数的各个参数及其用法，希望对大家有所帮助2022-10-10
Python+Matplotlib绘制高亮显示饼图的示例代码
饼图 (Pie Chart) 是一种圆形统计图，被分割成片用于表示数值间的比例关系，本文为大家介绍了Matplotlib绘制高亮显示的饼图的函数源码，需要的可以参考一下2023-06-06
这篇文章主要介绍了Django ORM 事务和查询优化,包括事务操作、ORM 惰性查询及only与defer相关知识，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-09-09
这篇文章主要给大家介绍了关于pandas的to_datetime时间转换使用及学习心得的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用pandas具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧2019-08-08
这篇文章主要介绍了Python动态导入模块的方法,结合实例形式较为详细的分析了Python动态导入系统模块、自定义模块以及模块列表的相关操作技巧,需要的朋友可以参考下2018-06-06
docker compose 是 docker 的容器编排工具,它是基于 YAML 配置,YAML 是一种配置文件格式,支持传递环境变量,但是对于复杂的容器编排显得力不从心,于是我便开发这个程序,可以像写程序一样编排 docker,感兴趣的的朋友可以参考下2024-08-08
scratch3.0二次开发之用blocks生成python代码
python是blockl.generator的一个实例，会调用generator里的方法，这篇文章主要介绍了scratch3.0二次开发之用blocks生成python代码,需要的朋友可以参考下2021-08-08
本文主要介绍了浅谈pandas中空值的处理方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-07-07
这篇文章主要介绍了Python实现生成随机日期字符串的方法,涉及Python日期时间及随机数运算相关操作技巧,需要的朋友可以参考下2017-12-12
最新评论