对python控制流求梯度

本文介绍了如何使用MXNet的autograd模块实现自动求导,通过一个包含控制流的复杂函数示例展示了MXNet的强大能力,使求导过程更加简便。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

使用MXNet的便利之处是。即使函数的计算图包括了python的控制流(如条件或者循环),也可以求梯度,比如:

定义一个函数f():

def f(a):
    b = a * 2
    while b.norm().asscalar() < 1000:
        b = b * 2
    if b.sum().asscalar() > 0:
        c = b
    else:
        c = 100 * b
    return c

求函数 f()的梯度:

a = nd.random.normal(shape = 1)

a.attach_grad()
with autograd.record():
    c = f(a)
c.backward()

if(a.grad == c/a):
    print("yes")

#yes

小结:

  MXNet提供autograd模块来自动化求导过程。

  MXNet的autograd模块可以对一般的命令式程序求导。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值