torch.func.hessian

torch.func.hessian(func, argnums=0)

通过前向-反向策略计算 func 相对于索引 argnum 处的参数的 Hessian 矩阵。

前向-反向策略（组合 jacfwd(jacrev(func))）是获得良好性能的良好默认选择。可以通过 jacfwd() 和 jacrev() 的其他组合来计算 Hessian 矩阵，例如 jacfwd(jacfwd(func)) 或 jacrev(jacrev(func))。

参数

• func (函数) – 一个 Python 函数，接受一个或多个参数，其中一个参数必须是张量，并返回一个或多个张量

• argnums (int 或 Tuple[int]) – 可选，整数或整数元组，说明要相对于哪个参数获取 Hessian 矩阵。默认值：0。

返回

返回一个函数，该函数接受与 func 相同的输入，并返回 func 相对于 argnums 处参数的 Hessian 矩阵。

注意

您可能会看到此 API 报错“算子 X 未实现前向模式 AD”。如果遇到这种情况，请提交错误报告，我们将优先处理。另一种选择是使用 jacrev(jacrev(func))，它具有更好的算子覆盖率。

R^N -> R^1 函数的基本用法给出了 N x N Hessian 矩阵

>>> from torch.func import hessian
>>> def f(x):
>>>   return x.sin().sum()
>>>
>>> x = torch.randn(5)
>>> hess = hessian(f)(x)  # equivalent to jacfwd(jacrev(f))(x)
>>> assert torch.allclose(hess, torch.diag(-x.sin()))