11、利用PyTorch和机器学习掌握计算机视觉：WGAN与WGAN - GP实战

最新推荐文章于 2025-08-11 13:59:50 发布

cuda7parallel

最新推荐文章于 2025-08-11 13:59:50 发布

阅读量45

点赞数

CC 4.0 BY-SA版权

分类专栏： PyTorch计算机视觉实战文章标签： WGAN WGAN-GP 生成对抗网络

本文链接：https://blog.youkuaiyun.com/cuda7parallel/article/details/151062619

PyTorch计算机视觉实战专栏收录该内容

33 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

利用PyTorch和机器学习掌握计算机视觉：WGAN与WGAN - GP实战

1. 梯度计算与惩罚示例

首先，我们来看一个梯度计算和梯度惩罚的示例代码。通过这段代码，我们可以了解如何使用 torch.autograd.grad 来计算梯度，并计算梯度惩罚。

import torch; import torch.nn as nn; from torch.autograd import grad
x = torch.FloatTensor([0, 0.5, 1.5, 2])
x.requires_grad=True
print('x =', x)
f = (x*x).sum() 
# f = x[0]**2 + x[1]**2 + x[2]**2 + x[3]**2
print('f =', f) # f= tensor(6.5000)
df2dx = grad(outputs=f,
             inputs=x,
             grad_outputs=torch.ones_like(f),
             create_graph=True, 
             retain_graph=True)[0] 
print('df2dx = ', df2dx) 
#df2dx= tensor([0., 1., 3., 4.])
grad_norm = df2dx.norm(p=2, dim=0)
print('grad_norm=', grad_norm) 
#grad_norm= tensor(5.1)
gradient_penalty = 10*torch.mean