【pytorch】学习笔记（二）- Variable

学习链接自莫烦python

什么是Variable

Variable就好像一个篮子，里面装着鸡蛋（Torch 的 Tensor），里面的鸡蛋数不断变化（对应值不断变化）。

如果用一个 Variable 进行计算, 那返回的也是一个同类型的 Variable

创建Variable

import torch
from torch.autograd import Variable

#创建张量
tensor=torch.FloatTensor([[1,2],[3,4]])
# 把张量放到Vaiable中
variable=Variable(tensor,requires_grad=True)

print(tensor)

print(variable)

Variable计算

t_out=torch.mean(tensor*tensor)
v_out=torch.mean(variable*variable)
print(t_out)
print(v_out)

结果:

tensor(7.5000)
tensor(7.5000, grad_fn=<MeanBackward0>)

tensor与variable的区别

1.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.
2.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
3.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

# 模拟 v_out 的误差反向传递
v_out.backward()
# 初始 Variable 的梯度
print(variable.grad)

获取Variable中的数据

import torch
from torch.autograd import Variable

#创建张量
tensor=torch.FloatTensor([[1,2],[3,4]])
# 把张量放到Vaiable中
variable=Variable(tensor,requires_grad=True)

print(variable.data)

print(variable.data.numpy())