15、PyTorch 自动求导与模型训练优化

最新推荐文章于 2025-09-08 15:04:14 发布

cake8

最新推荐文章于 2025-09-08 15:04:14 发布

阅读量27

点赞数

CC 4.0 BY-SA版权

分类专栏： PyTorch实战：从入门到医疗AI 文章标签： PyTorch 自动求导优化器

本文链接：https://blog.youkuaiyun.com/cake8/article/details/151164385

PyTorch实战：从入门到医疗AI 专栏收录该内容

51 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

PyTorch 自动求导与模型训练优化

1. PyTorch 自动求导验证

首先，我们来验证 PyTorch 的自动求导功能是否正常工作。以下是示例代码：

# In[10]:
training_loop(
    n_epochs = 5000,
    learning_rate = 1e-2,
    params = torch.tensor([1.0, 0.0], requires_grad=True),
    t_u = t_un,
    t_c = t_c
)

运行结果如下：

Epoch 500, Loss 7.860116
Epoch 1000, Loss 3.828538
Epoch 1500, Loss 3.092191
Epoch 2000, Loss 2.957697
Epoch 2500, Loss 2.933134
Epoch 3000, Loss 2.928648
Epoch 3500, Loss 2.927830
Epoch 4000, Loss 2.927679
Epoch 4500, Loss 2.927652
Epoch 5000, Loss 2.927647
tensor([
    5.3671, -17.3012], requires_grad=True)

结果与之前手动计算导数得到的结果相同，这表明我们无需再手动计算导数，PyTorch 的自动求导功能为我们节省了大量精力。