回答情况：
提问时间：
问题标签：
1回答
我是个新手，我一直在尝试一些自动梯度的例子，看看我是否理解它。我对以下代码为什么不能工作感到困惑： return a**2
L=Loss(a)with torch.no_grad(): a=a+1.0L.backward()我们得到的不是输出8.0，而是"RuntimeError:张量的元素0不需要梯度，也没有grad_fn“
浏览 7提问于2022-08-02得票数 0
假设我有我的自定义损失函数，我想用我的神经网络拟合一些微分方程的解。因此，在每一次向前通过时，我都是计算我的神经网络的输出，然后用期望的方程来计算损失，这是我想要拟合我的感知器。我理解在使用loss.backward()时，我必须用变量包装我的张量，并且必须为变量w.r.t设置requires_grad = True，我想取损失的梯度。computation?How grad(loss)是否还需要任何这样的显式参数来识别梯度grad(loss)的变
浏览 1修改于2021-09-12得票数 7
回答已采纳
有没有办法保存和恢复autograd的当前状态？saved_state = torch.autograd.get_grad_enabled() # How do I do this?torch.autograd.set_grad_enabled(temporary_state)torch.autograd.set_grad_enabled
浏览 4提问于2018-11-23得票数 0
pytorch和numpy之间的最大区别是什么，特别是autograd.numpy包？(因为它们都可以自动为您计算梯度。)
浏览 1提问于2020-06-16得票数 2
我正在试着做一件简单的事情:使用autograd来获得梯度，并做梯度下降： return a*x + b
b = b - grad_b
但是库教程没有展示如何获得关于a或b的渐变，即参数so，既不是autograd也不是切线。
浏览 1修改于2018-02-02得票数 3
昨天，我的同事给我介绍了Autograd 。由于它似乎是一个流行的软件包，我希望这里的人知道如何使用这个软件包来获得偏微分。我对这个库的初步测试表明，grad函数只对第一个参数进行区分。
浏览 0提问于2017-08-10得票数 3
每当我调用autograds backward时，我的脚本永远不会终止。backward本身并不是阻塞的，它之后的所有行仍然被执行，脚本只是不会终止。似乎在后台有某种工作线程挂起了，但我找不到任何关于它的信息。 我最初在训练神经网络时遇到了这个问题，但我最终发现了一个具有相同行为的非常简短的示例： import torch
y = x * 2y.backward(g
浏览 9修改于2019-09-10得票数 3
我试图用以下代码导入autograd：但是，在试图运行脚本时，我会得到以下错误： File "autograd.py", line 1, in <module> File "/home/hakon/Documents/FYS_STK4155&#x
浏览 33修改于2022-02-20得票数 0
self.bidirectional, self.batch_first)
(print_stack at /opt/conda/conda-bld/pytorch_1587428190859/work/torch/csrc/autograddata/miniconda3/envs/lbf/lib/python3.7/site-packages/torch/tensor.py", line 198, in
浏览 2修改于2020-05-11得票数 0
在图像中的Pytorch文档中，我无法理解y.backward(v)是什么意思，为什么我们需要定义另一个张量v来进行向后操作，以及我们是如何预先获得x.grad感谢的结果的
浏览 1提问于2020-01-28得票数 0
(/usr/local/lib/python3.7/dist-packages/torch/autograd/gradcheck.py)：无法从“torch.autograd.gradcheck”torch.autograd.gradcheck
浏览 13提问于2021-07-17得票数 4
我正在尝试使用Autograd包复制。虽然我可以从这个存储库复制其他示例，但这个特定的示例抛出了一个错误，如下所示：
/home/avuis/anaconda/lib/python3.6/sitepackages/autograd/
浏览 0修改于2020-06-20得票数 0
X. tensorflow中的内容如下所示：不幸的是，我一直在用torch.autograd.grad()做测试，但我不知道该怎么做。如果我想知道Y w.r.t.的梯度，torch.autograd.grad()中的输入应该是什么？X？
浏览 1修改于2021-01-25得票数 14
回答已采纳
我有一个相当重要的函数，我想与autograd区分开来，但我不是一个足够的numpy向导，无法计算出如何在没有数组赋值的情况下做到这一点。import autograd.numpy as anp return anp.exp(-(x - 10但我还是更喜欢使用autogradimport torch
from torch.autograd.gradcheck import
浏览 2修改于2019-12-05得票数 0
我只实现了自定义模块的前向传递，并将它们的后向传递留给了autograd。我已经通过自定义模块的参数手动计算了反向传播的正确公式，我希望查看它们是否与autograd内部用于计算梯度的公式匹配。所以我想检查autograd是否也在使用我推导的相同公式来计算dL/dI(n)。 (由于Pytorch目前还不支持复值张量反向传播，我已经通过处理单独的实张量和虚张量创建了自己的复数表示)
浏览 45修改于2020-09-12得票数 1
我正在尝试微分一个函数，该函数近似包含在2个限制(截断高斯)内的高斯的分数，给定一个偏移的平均值。jnp.grad不让我区分加起来的布尔过滤器(注释行)，所以我不得不临时使用一个sigmoid。 然而，现在当截断边界很高时，梯度总是nan，我不明白为什么。 在下面的例子中，我计算了一个均值为0，std=1为0的高斯曲线的梯度，然后用x对其进行平移。 如果我减小边界，那么函数就会按预期运行。但这不是一个解决方案。当边界较高时，belows始终变为1。但是如果是这种情况，x对下面没有影响，那么它对梯度的贡献应该是0而不是nan。但是如果我返回belows[0][0]而不是jnp.mean(fil
浏览 61提问于2021-07-08得票数 1
回答已采纳
我正在尝试使用autograd计算一些函数的梯度，但失败了，并显示了以下错误 from autograd import grad return a[0]*np.sin(2*
浏览 40提问于2020-03-25得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号