pytorch如何去定义新的自动求导函数

pytorch定义新的自动求导函数

在pytorch中想自定义求导函数，通过实现torch.autograd.Function并重写forward和backward函数，来定义自己的自动求导运算。参考官网上的demo：传送门

直接上代码，定义一个ReLu来实现自动求导
 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

import torch class MyRelu(torch.autograd.Function):     @staticmethod     def forward(ctx, input):         # 我们使用ctx上下文对象来缓存，以便在反向传播中使用，ctx存储时候只能存tensor         # 在正向传播中，我们接收一个上下文对象ctx和一个包含输入的张量input；         # 我们必须返回一个包含输出的张量，         # input.clamp(min = 0)表示讲输入中所有值范围规定到0到正无穷，如input=[-1,-2,3]则被转换成input=[0,0,3]         ctx.save_for_backward(input)                   # 返回几个值，backward接受参数则包含ctx和这几个值         return input.clamp(min = 0)     @staticmethod     def backward(ctx, grad_output):         # 把ctx中存储的input张量读取出来         input, = ctx.saved_tensors                   # grad_output存放反向传播过程中的梯度         grad_input = grad_output.clone()                   # 这儿就是ReLu的规则，表示原始数据小于0，则relu为0，因此对应索引的梯度都置为0         grad_input[input < 0] = 0         return grad_input

 

进行输入数据并测试

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

dtype = torch.float device = torch.device('cuda' if torch.cuda.is_availabl