mirror of
https://github.com/apachecn/ailearning.git
synced 2026-02-03 10:24:39 +08:00
90 lines
2.7 KiB
Markdown
90 lines
2.7 KiB
Markdown
# 2.2 – 变量 (Variable)
|
||
|
||
## 什么是 Variable
|
||
|
||
在 Torch 中的 Variable 就是一个存放会变化的值的地理位置. 里面的值会不停的变化. 就像一个裝鸡蛋的篮子, 鸡蛋数会不停变动. 那谁是里面的鸡蛋呢, 自然就是 Torch 的 Tensor 咯. **如果用一个 Variable 进行计算, 那返回的也是一个同类型的 Variable.**
|
||
|
||
我们定义一个 Variable:
|
||
|
||
```py
|
||
import torch
|
||
from torch.autograd import Variable # torch 中 Variable 模块
|
||
|
||
# 先生鸡蛋
|
||
tensor = torch.FloatTensor([[1,2],[3,4]])
|
||
# 把鸡蛋放到篮子里, requires_grad是参不参与误差反向传播, 要不要计算梯度
|
||
variable = Variable(tensor, requires_grad=True)
|
||
|
||
print(tensor)
|
||
"""
|
||
1 2
|
||
3 4
|
||
[torch.FloatTensor of size 2x2]
|
||
"""
|
||
|
||
print(variable)
|
||
"""
|
||
Variable containing:
|
||
1 2
|
||
3 4
|
||
[torch.FloatTensor of size 2x2]
|
||
"""
|
||
```
|
||
|
||
## Variable 计算, 梯度
|
||
|
||
我们再对比一下 tensor 的计算和 variable 的计算.\’
|
||
|
||
```py
|
||
t_out = torch.mean(tensor*tensor) # x^2
|
||
v_out = torch.mean(variable*variable) # x^2
|
||
print(t_out)
|
||
print(v_out) # 7.5
|
||
```
|
||
|
||
到目前为止, 我们看不出什么不同, **但是时刻记住, Variable 计算时, 它在背景幕布后面一步步默默地搭建着一个庞大的系统, 叫做计算图, computational graph. 这个图是用来干嘛的? 原来是将所有的计算步骤 (节点) 都连接起来, 最后进行误差反向传递的时候, 一次性将所有 variable 里面的修改幅度 (梯度) 都计算出来, 而 tensor 就没有这个能力啦.**
|
||
|
||
v_out = torch.mean(variable*variable) 就是在计算图中添加的一个计算步骤, 计算误差反向传递的时候有他一份功劳, 我们就来举个例子:
|
||
|
||
```py
|
||
v_out.backward() # 模拟 v_out 的误差反向传递
|
||
|
||
# 下面两步看不懂没关系, 只要知道 Variable 是计算图的一部分, 可以用来传递误差就好.
|
||
# v_out = 1/4 * sum(variable*variable) 这是计算图中的 v_out 计算步骤
|
||
# 针对于 v_out 的梯度就是, d(v_out)/d(variable) = 1/4*2*variable = variable/2
|
||
|
||
print(variable.grad) # 初始 Variable 的梯度
|
||
\'\'\'
|
||
0.5000 1.0000
|
||
1.5000 2.0000
|
||
\'\'\'
|
||
```
|
||
|
||
#### 获取 Variable 里面的数据
|
||
|
||
直接 print(variable) 只会输出 Variable 形式的数据, 在很多时候是用不了的(比如想要用 plt 画图), 所以我们要转换一下, 将它变成 tensor 形式.
|
||
|
||
```py
|
||
print(variable) # Variable 形式
|
||
"""
|
||
Variable containing:
|
||
1 2
|
||
3 4
|
||
[torch.FloatTensor of size 2x2]
|
||
"""
|
||
|
||
print(variable.data) # tensor 形式
|
||
"""
|
||
1 2
|
||
3 4
|
||
[torch.FloatTensor of size 2x2]
|
||
"""
|
||
|
||
print(variable.data.numpy()) # numpy 形式
|
||
"""
|
||
[[ 1\. 2.]
|
||
[ 3\. 4.]]
|
||
"""
|
||
```
|
||
|
||
文章来源：[莫烦](https://morvanzhou.github.io/) |