pytorch中的Variable——反向传播必备

小灰灰 2021-05-12 11:49 440阅读 0赞

#### 什么是Variable？ ####

*  在pytorch中tensor是tensor的数据格式，variable是variable的数据格式，那tensor和variable有什么区别呢？
    
     *  variable是tensor的封装，其实variable也是tensor生成的（tensor是variable他爸）。
     *  在神经网络中，常需要反向传播这些的，所以需要各个节点是连接在一起的，是个计算图。
     *  tensor的数据格式就好比星星之火，但是无法汇聚一起；等变成variable之后就可以慢慢燎原了。

#### Variable有三个技能（属性）： ####

*  一技能：
    
     *  .data: 从variable中获得tensor本身
 *  二技能：
    
     *  .grad: 获得tensor的梯度（导数）
 *  三技能：
    
     *  .grad\_fn：告诉你这个variable是通过什么方式获得的

#### 生成tensor和Variable ####

import torch
    from torch.autograd import Variable
    
    # 生成tensor
    get_tensor = torch.FloatTensor([[1,2], [3,4]])
    print("tensor:", get_tensor, "|", "数据类型：", get_tensor.type())
    # 由tensor转到Variable
    variable = Variable(get_tensor, requires_grad=True)
    print("Variable:", variable, "|", "数据类型：", variable.type())

![在这里插入图片描述][20200311164811556.png]

#### 分别用tensor和variable进行计算(接着上面代码进行) ####

# 比较一下计算
    tensor_result = torch.mean(get_tensor*get_tensor)
    print("tensor的均值：", tensor_result)
    variable_result = torch.mean(variable*variable)
    print("variable的均值", variable_result)

![在这里插入图片描述][2020031116482195.png]

##### \-----------------前两段代码似乎没发现tensor和variable有什么不同----------------------- #####

### 牢记： ###

*  上面说了Variable是可以燎原的，因为variable正在背后默默搭建计算图
 *  那么所谓的计算图是什么呢？（比如神经网络中可以将一个个结点连接起来，用来反向传播计算误差）
 *  variable可以一次性将所有的variable里面修改的梯度都计算出来，tensor只是孤立的

#### 用反向传播计算误差（接着上面代码进行） ####

# 反向传播
    variable_result.backward()
    print("初始variable的梯度(导数)：", variable.grad)

![在这里插入图片描述][20200311164833179.png]

##### 梯度计算过程: #####

`variable_result =`  1 4 ∗ sum ⁡ (  variable  ∗  variable  ) = 1 4 ∗ sum ⁡ (  variable  2 ) \\frac\{1\}\{4\} \* \\operatorname\{sum\}\\left(\\text \{ variable \}^\{\*\} \\text \{ variable \}\\right)=\\frac\{1\}\{4\} \* \\operatorname\{sum\}\\left(\\text \{ variable \}^\{2\}\\right) 41∗sum( variable ∗ variable )=41∗sum( variable 2)

d (  variable result  ) d (  variable  ) = 1 4 ∗ 2 ∗ \\frac\{d(\\text \{ variable result \})\}\{d(\\text \{ variable \})\}=\\frac\{1\}\{4\} \* 2 \* d( variable )d( variable result )=41∗2∗ (var iable)  = 1 2 =\\frac\{1\}\{2\} =21 var iable  = 1 2 ∗ \[ 1 2 3 4 \] = \[ 0.5 1 1.5 2 \] =\\frac\{1\}\{2\} \*\\left\[\\begin\{array\}\{ll\}1 & 2 \\\\ 3 & 4\\end\{array\}\\right\]=\\left\[\\begin\{array\}\{ll\}0.5 & 1 \\\\ 1.5 & 2\\end\{array\}\\right\] =21∗\[1324\]=\[0.51.512\]

[20200311164811556.png]: /images/20210511/a11f18b27315490eba54d0eaae1fe276.png
[2020031116482195.png]: /images/20210511/953579ba4475429fb4a7970b937af52e.png
[20200311164833179.png]: /images/20210511/2f956693d1084f4e94abe4f713684d1f.png