PyTorch grad_fn的作用以及RepeatBackward, SliceBackward示例
变量.grad_fn表明该变量是怎么来的,用于指导反向传播。例如loss = a+b,则loss.gard_fn为<AddBackward0 at 0x7f2c90393748>,表明loss是由相加得来的,这个grad_fn可指导怎么求a和b的导数。
程序示例:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | import torch w1 = torch.tensor( 2.0 , requires_grad = True ) a = torch.tensor([[ 1. , 2. ], [ 3. , 4. ]], requires_grad = True ) tmp = a[ 0 , :] tmp.retain_grad() # tmp是非叶子张量,需用.retain_grad()方法保留导数,否则导数将会在反向传播完成之后被释放掉 b = tmp.repeat([ 3 , 1 ]) b.retain_grad() loss = (b * w1).mean() loss.backward() print (b.grad_fn) # 输出: <RepeatBackward object at 0x7f2c903a10f0> print (b.grad) # 输出: tensor([[0.3333, 0.3333], # [0.3333, 0.3333], # [0.3333, 0.3333]]) print (tmp.grad_fn) # 输出:<SliceBackward object at 0x7f2c90393f60> print (tmp.grad) # 输出:tensor([1., 1.]) print (a.grad) # 输出:tensor([[1., 1.], # [0., 0.]]) |
手动推导:
手动推导的结果和程序的结果是一致的。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
· 全程不用写代码,我用AI程序员写了一个飞机大战
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 记一次.NET内存居高不下排查解决与启示
· DeepSeek 开源周回顾「GitHub 热点速览」
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了