import torch
from torch.autograd import Variable
tensor = torch.FloatTensor([[1,2],[3,4]])
variable = Variable(tensor,requires_grad=True)
t_out = torch.mean(tensor*tensor) #x^2 中值
v_out = torch.mean(variable*variable)
print(t_out)
print(v_out)
v_out.backward() # variable的誤差反向傳遞
# v_out= 1/4*sum(var*var)
# d(v_out)/d(var) = 1/4*2*variable = variable/2
# print(variable.grad) # 梯度 更新值
print(variable)
print(variable.data)
print(variable.data.numpy())
7.5
Variable containing:
7.5000
[torch.FloatTensor of size 1]
Variable containing:
1 2
3 4
[torch.FloatTensor of size 2x2]
1 2
3 4
[torch.FloatTensor of size 2x2]
[[ 1. 2.]
[ 3. 4.]]
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。
