torch.autograd.Function

本文详细介绍了PyTorch中自定义Layer的两种方法:继承torch.nn.Module和torch.autograd.Function。前者适用于大多数情况,而后者则用于自定义求导规则,适合处理不可导操作或PyTorch内置未提供的函数。

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

pytorch自定义layer有两种方式:

方式一:通过继承torch.nn.Module类来实现拓展。只需重新实现__init__和forward函数。

方式二通过继承torch.autograd.Function,除了要实现__init__和forward函数,还要实现backward函数(就是自定义求导规则)。

方式一看着更简单一点,torch.nn.Module不香么?为毛要用方式二。因为当我们自定义的函数torch.nn.functioanl里没有的时候,或者一些操作不可导,就需要自己定义求导方式,也就是所谓的Extending torch.autograd

官方的示例是这个样子的: Class  torch.autograd.Function

>>> class Exp(Function):
>>>
>>>     @staticmethod
>>>     def forward(ctx, i):
>>>         result = i.exp()
>>>         ctx.save_for_backward(result)
>>>         return result
>>>
>>>     @staticmethod
>>>     def backward(ctx, grad_output):
>>>         result, = ctx.saved_tensors
>>>         return grad_output * result

详细学习参见这个博客讲的很好https://blog.youkuaiyun.com/qq_27825451/article/details/95189376

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