快捷方式

torch.autograd.functional.vhp

torch.autograd.functional.vhp(func, inputs, v=None, create_graph=False, strict=False)[源代码]

计算给定标量函数在指定点的向量 v 与海森矩阵的点积。

参数
  • func (函数) – 一个 Python 函数,它接受张量输入并返回一个具有单个元素的张量。

  • inputs (元组张量张量) – 函数 func 的输入。

  • v (元组张量张量) – 计算向量海森矩阵积的向量。必须与 func 的输入大小相同。此参数在 func 的输入包含单个元素时是可选的,并且(如果未提供)将被设置为包含单个 1 的张量。

  • create_graph (布尔值, 可选) – 如果为 True,则以可微的方式计算输出和结果。注意,当 strictFalse 时,结果不能需要梯度或与输入断开连接。默认为 False

  • strict (布尔值, 可选) – 如果为 True,当我们检测到存在一个输入,使得所有输出都与其无关时,将引发错误。如果为 False,我们将返回一个零张量作为该输入的 vhp,这是预期的数学值。默认为 False

返回值

包含以下内容的元组:

func_output (张量元组或张量):func(inputs) 的输出

vhp (张量元组或张量):与输入形状相同的点积结果。

返回类型

output (元组)

示例

>>> def pow_reducer(x):
...     return x.pow(3).sum()
>>> inputs = torch.rand(2, 2)
>>> v = torch.ones(2, 2)
>>> vhp(pow_reducer, inputs, v)
(tensor(0.5591),
 tensor([[1.0689, 1.2431],
         [3.0989, 4.4456]]))
>>> vhp(pow_reducer, inputs, v, create_graph=True)
(tensor(0.5591, grad_fn=<SumBackward0>),
 tensor([[1.0689, 1.2431],
         [3.0989, 4.4456]], grad_fn=<MulBackward0>))
>>> def pow_adder_reducer(x, y):
...     return (2 * x.pow(2) + 3 * y.pow(2)).sum()
>>> inputs = (torch.rand(2), torch.rand(2))
>>> v = (torch.zeros(2), torch.ones(2))
>>> vhp(pow_adder_reducer, inputs, v)
(tensor(4.8053),
 (tensor([0., 0.]),
  tensor([6., 6.])))

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得解答

查看资源