當前位置: 首頁>>編程示例 >>用法及示例精選 >>正文

Python mxnet.autograd.grad用法及代碼示例

用法: mxnet.autograd.grad(heads, variables, head_grads=None, retain_graph=None, create_graph=False, train_mode=True)

參數：

heads：(NDArray or list of NDArray) - 輸出 NDArray(s)
variables：(NDArray or list of NDArray) - 輸入變量來計算梯度。
head_grads：(NDArray or list of NDArray or None) - 相對於頭部的梯度。
retain_graph：(bool) - 是否保持計算圖再次微分，而不是清除曆史並釋放內存。默認為與 create_graph 相同的值。
create_graph：(bool) - 是否記錄梯度圖以計算高階
train_mode：(bool, optional) - 是否向後進行訓練或預測。

返回：

關於變量的梯度。

返回類型：

NDArray 或 NDArray 列表

計算頭部 w.r.t 變量的梯度。漸變將作為新的 NDArrays 返回，而不是存儲到 variable.grad 中。支持記錄梯度圖以計算高階梯度。

注意：

目前隻有非常有限的一組運算符支持高階梯度。

例子：

>>> x = mx.nd.ones((1,))
>>> x.attach_grad()
>>> with mx.autograd.record():
...     z = mx.nd.elemwise_add(mx.nd.exp(x), x)
>>> dx = mx.autograd.grad(z, [x], create_graph=True)
>>> print(dx)
[
[ 3.71828175]
<NDArray 1 @cpu(0)>]

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.autograd.grad。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。