译者:gfjiangly

torch.autograd 提供类和函数,实现任意标量值函数的自动微分。 它要求对已有代码的最小改变—你仅需要用requires_grad=True关键字为需要计算梯度的声明Tensor

torch.autograd.backward(tensors, grad_tensors=None, retain_graph=None, create_graph=False, grad_variables=None)

计算被给张量关于图的叶节点的梯度和。

图使用链式法则微分。如何任何tensors是非标量(例如他们的数据不止一个元素)并且要求梯度,函数要额外指出grad_tensors。它应是一个匹配长度的序列,包含可微函数关于相应张量的梯度(None是一个对所有张量可接受的值,不需要梯度张量)。

此函数在叶节点累积梯度 - 你可能需要在调用前把它初始化为0.

参数:

  • tensors (Tensor序列) – 计算导数的张量。
  • grad_tensors (Tensor None序列) – 关于相应张量每个元素的梯度。标量张量或不需要梯度的可用None指定。如果None对所有grad_tensors可接受,则此参数可选。
  • retain_graph (bool, 可选) – 如果False,用于计算梯度的图将被释放。请注意,在几乎所有情况下,不需要将此选项设置为真,而且通常可以更有效地解决问题。默认为create_graph值。
  • create_graph (bool, 可选) – 如果True,则构造导数图,以便计算更高阶导数,默认False。
torch.autograd.grad(outputs, inputs, grad_outputs=None, retain_graph=None, create_graph=False, only_inputs=True, allow_unused=False)

计算和返回输出关于输入的梯度和。

grad_outputs 应是长度匹配输出的序列,包含关于输出每个元素的预计算梯度。如果一个输出不要求梯度,则梯度是None

如果only_inputsTrue,此函数将仅返回关于指定输入的梯度list。如果此参数是False,则关于其余全部叶子的梯度仍被计算,并且将累加到.grad属性中。

阅读全文/改进本文

PyTorch 1.0 中文文档:torch.autograd相关推荐

  1. PyTorch 1.0 中文文档:torch.utils.bottleneck

    译者: belonHan torch.utils.bottleneck是 调试瓶颈bottleneck时首先用到的工具.它总结了python分析工具与PyTorch自动梯度分析工具在脚本运行中情况. ...

  2. PyTorch 1.0 中文文档:torch.utils.checkpoint

    译者: belonHan 注意 checkpointing的实现方法是在向后传播期间重新运行已被checkpint的前向传播段. 所以会导致像RNG这类(模型)的持久化的状态比实际更超前.默认情况下, ...

  3. PyTorch 1.0 中文文档:torch.sparse

    译者:hijkzzz 警告 这个API目前还处于试验阶段,可能在不久的将来会发生变化. Torch支持COO(rdinate )格式的稀疏张量,这可以有效地存储和处理大多数元素为零的张量. 稀疏张量表 ...

  4. PyTorch 1.0 中文文档正式接受校对 | ApacheCN

    参与方式:https://github.com/apachecn/pytorch-doc-zh/blob/master/CONTRIBUTING.md 整体进度:https://github.com/ ...

  5. PyTorch 1.0 中文文档:torch.onnx

    译者:guobaoyo 示例:从Pytorch到Caffe2的端对端AlexNet模型 这里是一个简单的脚本程序,它将一个在 torchvision 中已经定义的预训练 AlexNet 模型导出到 O ...

  6. PyTorch 1.0 中文文档:torch.hub

    译者:kunwuz torch.hub.load(github, model, force_reload=False, *args, **kwargs) 从github上加载一个带有预训练权重的模型. ...

  7. PyTorch 1.0 中文文档:Torch 脚本

    译者:keyianpai 创建 Torch 脚本代码 将追踪和脚本化结合起来 Torch 脚本语言参考 类型 表达式 语句 变量解析 python值的使用 调试 内置函数 Torch脚本是一种从PyT ...

  8. PyTorch 1.0 中文文档:torch.nn.init

    译者:GeneZC torch.nn.init.calculate_gain(nonlinearity, param=None) 返回给定非线性函数的推荐的增益值.对应关系如下表: 非线性函数 增益 ...

  9. PyTorch 1.0 中文文档:torch.utils.model_zoo

    译者:BXuan694 torch.utils.model_zoo.load_url(url, model_dir=None, map_location=None, progress=True) 由给 ...

最新文章

  1. 便携式不锈钢管道焊接机器人_核电站双相不锈钢管道的焊接工艺及焊接接头性能探讨...
  2. 在word中插入目录
  3. axis为amchart左右轴的参数
  4. 智能商业大会构造信息化交流平台
  5. word取消下一页_word文档页码设置及文中小箭头清除办法
  6. 堆栈关系java_从关键字说Java对象、引用、指针、堆栈的关系
  7. 不规则动词的一般过去时
  8. POJ3264——Balanced Lineup(线段树)
  9. 阿里27个炸天的开源项目,值得收藏!
  10. 插桩 java_“插桩”式技术
  11. SN号获取及显示不全的问题
  12. 递归与自我指涉标识牌Top 5
  13. windbg命令解释
  14. python创建时间序列_python 时间序列
  15. Phodit:打造智能的 Markdown 编辑器
  16. 小猪猪的matlab学习笔记
  17. SKYLIN TerraExplorer Pro 后台控制导航控件的显示隐藏(指北针、放大、缩小等)
  18. 自身的优势--抱怨,读《象与骑象人》有感
  19. java 调用百度接口人脸识别
  20. 一个竞赛蒟蒻,开个Blog玩玩

热门文章

  1. (4)FPGA面试题同步逻辑和异步逻辑
  2. oracle daga备份,敏捷的Oracle 10g MAA配置方法
  3. 日志分析系统分类有哪些_什么是网站日志分析需要分析哪些内容
  4. markdown文件便捷说明
  5. STM32 连续操作flash
  6. 12025.petalinux 之phy调试ping(三)
  7. STM32“隐藏的定时器”-DWT
  8. java 图像 截取正方形_响应但是作为img元素的正方形的图像
  9. java xml html_使用Java将XSL和XML文件输出为HTML(XSL学习笔记二)
  10. linux vim文本编辑器