每天课程安排-1.自动求导机制-pytorch中文_第1页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

。它们都允许从梯度计算中精细地排除>>>>>>x=Variable(torch.randn(5,>>>y=Variable(torch.randn(5,>>>z=Variable(torch.randn(5,5),>>>a=x+>>>>>>b=a+>>> modelmodel=forparaminmodel.parameters():param.requires_grad=False#Replacethelastfully-connected#Parametersofnewlyconstructedmoduleshaverequires_grad=Truebymodel.fc=nn.Linear(512,#Optimizeonlytheoptimizer=optim.SGD(model.fc.parameters(),lr=1e-2,

何其他自动求导的设置更有效——它将使用绝对最小的内存来评估require_gradrequire_gradis

。

比“不需要梯度”更容易传递——只需要一

可得到一 的输出，相对的，需要所有的输入“不需要梯度”才能得到不需要梯度的>>>>>>regular_input=Variable(torch.randn(5,>>>volatile_input=Variable(torch.randn(5,5),>>>model=>>>>>>>>>>>>model(volatile_input).creatorisNone 为节点组成的有向无环图（DAG）的点，它们之间的就是图的边。每次执行一个操 对所有可能的路径进行编码——whatyouruniswhatyoudifferentiate.在自动求导中支持in-place操作是一件很的事情，在大多数情况下都不鼓励使用它１．覆盖梯度计算所需的值。这就是为什么变量不支 。它的梯度公式需要原始输入图的，而in-place操作则需要将所有输入的 比较棘手，特别是如果有许多变量相同的（例如通过索引或转置创建的），并且如

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论