PyTorch深度学习60分钟快速上手（二），自动微分。

自动微分

Pytorch中所有神经网络的核心是autograd包，我们先简单的来了解下这个包，然后来训练第一个神经网络。

autograd包为tensor上所有操作提供了自动微分功能。Pytorch是一个先运行后定义（define-by-run）的网络框架，是一种动态网络图结构，因此代码如何运行决定了如何计算反向传播，并且每次迭代，反向传播都可能不同。

张量（Tensor）

torch.Tensor 是autograd包的核心，如果把.requires_grad设置为True，那么它就会跟踪tensor上的所有操作，计算完之后调用.backward()自动计算梯度，这个tensor的梯度将会累积到.grad属性中。

如果要停止tensor追踪操作历史，可以调用.detach()，这样在以后的计算中阻止计算操作被追踪。

停止追踪操作历史同样还可以将代码块放进with torch.no_grad():中，这种做法在模型评估时候非常有帮助，因为模型可能包含requires_grad=True的可训练参数，但是我们并不需要它们的梯度值。

自动微分实现中还有一个非常重要类—— Function。

Tensor和Function是互联的，它们组成一个非循环图，记录了完整的计算过程。每个tensor都有一个.grad_fn属性指向了创建这个Tensor的Function（用户自己创建的Tensor类型除外，它们的grad_fn为None）。

如果想要计算Tensor的导数，可以调用.backward()。如果tensor是标量（即它包含一个元素），那么不需要为backward()指定任何参数，如果有多个元素，那么就需要指定梯度参数。

现在我们创建一个tensor并设置requires_grad=True来追踪计算。

x = torch.ones(2, 2, requires_grad=True)
print(x)

结果：

tensor([[1., 1.],
        [1., 1.]], requires_grad=True)

再来做一个tensor操作把：

y = x + 2
print(y)

结果：

tensor([[3., 3.],
        [3., 3.]], grad_fn=<AddBackward0>)

y是由一个操作得出来的，因此它有grad_fn属性：

print(y.grad_fn)

结果：

<AddBackward0 object at 0x00000240692EF470>

在y上再做一些操作：

z = y * y * 3
out = z.mean()
print(z, out)

结果：

tensor([[27., 27.],
        [27., 27.]], grad_fn=<MulBackward0>) tensor(27., grad_fn=<MeanBackward1>)

requires_grad属性默认为False。

a = torch.randn(2, 2)
a = ((a * 3) / (a - 1))
print(a.requires_grad)
a.requires_grad_(True)
print(a.requires_grad)
b = (a * a).sum()
print(b.grad_fn)

结果：

False
True
<SumBackward0 object at 0x000001D3B315F438>

梯度（Gradients）

现在我们进行反向传播计算梯度，因为out只包含一个标量，out.backward()与out.backward(torch.tensor(1.))等价。

out.backward()

现在计算d(out)/d(x)

print(x.grad)

结果：

tensor([[4.5000, 4.5000],
        [4.5000, 4.5000]])

那么4.5这个数值是如何得到的呢，下面是计算过程：

$out=\frac{1}{4} \sum_{i} z_i$
$z_i=3y_i^2=3(x_i+2)^2$
$\frac{\partial out}{\partial x_i} = \frac{3}{2} (x_i+2)$
$\frac{\partial out}{\partial x_i} |_{x_i=1} = \frac{9}{2} = 4.5$

从数学上说，对于函数 $\vec y=f(\vec x)$, $\vec y$关于 $\vec x$的梯度是一个雅可比矩阵（Jacobian matrix）：

$J = \begin{pmatrix} \frac{\partial y_1}{\partial x_1} & ··· & \frac{\partial y_1}{\partial x_n}\\ ⋮ & ⋱ & ⋮ \\ \frac{\partial y_m}{\partial x_1} & ··· & \frac{\partial y_m}{\partial x_n} \end{pmatrix}$

一般来说torch.autograd是一个计算向量-雅可比点积的计算引擎。给定任意一个向量 $v = (v_1 \space v_2 \space ··· \space v_m)^T$，计算 $v^T·J$。如果 $v$恰好是一个标量函数 $l=g(\vec y)$的梯度，即 $v = (\frac{\partial l}{\partial y_1} \space ··· \space \frac{\partial l}{\partial y_m})^T$， 那么根据链式法则，向量-雅可比的点积就是 $l$关于 $\vec x$的梯度：

$J^T·v = \begin{pmatrix} \frac{\partial y_1}{\partial x_1} & ··· & \frac{\partial y_m}{\partial x_1}\\ ⋮ & ⋱ & ⋮ \\ \frac{\partial y_1}{\partial x_n} & ··· & \frac{\partial y_m}{\partial x_n} \end{pmatrix} \begin{pmatrix} \frac{\partial l}{\partial y_1} \\ ⋮ \\ \frac{\partial l}{\partial y_m} \end{pmatrix} = \begin{pmatrix} \frac{\partial l}{\partial x_1} \\ ⋮ \\ \frac{\partial l}{\partial x_n} \end{pmatrix}$

注意： $v^T·J$得到的是一个行向量，我们可以通过计算 $J^T·v$来得到它的列向量。

这种向量-雅可比点积的特性使得计算非标量输出的梯度非常方便。

下面来看一个例子：

x = torch.randn(3, requires_grad=True)

y = x * 2
while y.data.norm() < 1000:
    y = y * 2

print(y)

结果：

tensor([-358.4211, -803.5598,  780.2765], grad_fn=<MulBackward0>)

可以看出y已经不是一个标量了，torch.autograd不能直接计算出雅可比矩阵，不过我们可以在反向传播的时候传入一个向量作为参数来计算向量-雅可比点积：

v = torch.tensor([0.1, 1.0, 0.0001], dtype=torch.float)
y.backward(v)

print(x.grad)

结果：

tensor([5.1200e+01, 5.1200e+02, 5.1200e-02])