个性化阅读
专注于IT技术分析

PyTorch的梯度用法图解

在本节中, 我们讨论了派生工具及其如何在PyTorch上应用。所以开始吧

梯度用于查找函数的导数。用数学术语来说, 导数是指部分区分函数并找到值。

下面是如何计算函数导数的图。

PyTorch的梯度
PyTorch的梯度

我们在上图中完成的工作将在带有梯度的PyTorch中完成。有以下步骤可找到该函数的导数。

1.我们首先要初始化函数(y = 3×3 + 5×2 + 7x + 1), 然后为其计算导数。

2.下一步是设置函数中使用的变量的值。 x的值以以下方式设置。

X= torch.tensor (2.0, requires_grad=True)

我们通常需要一个梯度来找到函数的导数。

3.接下来就是简单地通过使用向后()方法来计算函数的导数。

4.最后一步是使用grad访问或打印导数的值。

让我们看一个寻找导数的例子

import torch
x=torch.tensor(2.0, requires_grad=True)
y=8*x**4+3*x**3+7*x**2+6*x+3
y.backward()
x.grad

输出

tensor(326.)
PyTorch的梯度

另一个例子

import torch
x=torch.tensor(2.0, requires_grad=True)
z=torch.tensor(4.0, requires_grad=True)
y=x**2+z**3
y.backward()
x.grad
z.grad

输出

tensor(4.)
tensor(48.)
PyTorch的梯度

赞(0) 打赏
未经允许不得转载:srcmini » PyTorch的梯度用法图解
分享到: 更多 (0)

评论 抢沙发

评论前必须登录!

 

觉得文章有用就打赏一下文章作者

微信扫一扫打赏