本文介绍了PyTorch中的动态图机制，包括计算图的构成要素：结点和边，以及它们在运算中的作用。以y=a*b=(x+w)(w+1)为例，解释了如何利用动态图进行反向传播计算w关于y的导数。在示例中，展示了w和x作为叶子节点在计算图中的重要性，并说明了属性`grad_fn`如何记录张量的创建函数以辅助反向传播。
一、动态图的推导
（1）计算图：是用来描述运算的有向无环图
（2）计算图有两个主要元素：结点(Node)和边（Edge）
（3）结点（Node）：表示数据，如向量、矩阵、张量
（4）边（Edge）:表示运算，如加、减、乘、除、卷积
示例图如下：
由图可知:y=a*b，其中a=x+w,b=w+1，因此y=a*b=(x+w)(w+1)，a和b充当中间变量，pytorch
在计算的时候，会把计算过程用上面的动态图存储起来，计算y关于w的导数，如下：
上试中令w=1,x=2
采用pytorch进行代码实现，其过程如下：
import torch
w=torch.tensor([1.],requires_grad=True)
x=torch.tensor([2.],requires_grad=True)
a=w+
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
