functorch¶
警告
我们已将 functorch 集成到 PyTorch 中。作为集成的最后一步,从 PyTorch 2.0 开始,functorch API 已被弃用。请改用 torch.func API,并查看 迁移指南 和 文档 了解更多详细信息。
函数变换¶
vmap 是向量化映射; |
|
|
|
返回一个函数来计算梯度和原始(或正向)计算的元组。 |
|
代表向量-雅可比矩阵积,返回一个元组,包含应用于 |
|
代表雅可比矩阵-向量积,返回一个元组,包含 func(*primals) 的输出,以及“在 |
|
使用反向模式自动微分计算 |
|
使用正向模式自动微分计算 |
|
通过正向-反向策略计算 |
|
functionalize 是一种变换,可用于从函数中移除(中间)变异和别名,同时保留函数的语义。 |
用于处理 torch.nn.Modules 的实用程序¶
一般来说,你可以对调用 torch.nn.Module
的函数进行变换。例如,以下是计算接受三个值并返回三个值的函数的雅可比矩阵的示例
model = torch.nn.Linear(3, 3)
def f(x):
return model(x)
x = torch.randn(3)
jacobian = jacrev(f)(x)
assert jacobian.shape == (3, 3)
但是,如果你想做一些类似于计算模型参数的雅可比矩阵的事情,那么需要有一种方法来构造一个函数,其中参数是函数的输入。这就是 make_functional()
和 make_functional_with_buffers()
的目的:给定一个 torch.nn.Module
,它们会返回一个新函数,该函数接受 parameters
和 Module 前向传递的输入。
给定一个 |
|
make_functional(model, disable_autograd_tracking=False) -> func, params |
|
为使用 |
如果你正在寻找有关修复 Batch Norm 模块的信息,请遵循此处提供的指南