详细内容或原文请订阅后点击阅览
pytorch的真正含义是叶子张量及其毕业生
叶子，梯度和强大的秘密生活需要post the post pytorch pytorch的真正含义，叶子的毕业生及其毕业生首先出现在数据科学方面。
来源:走向数据科学不是链条规则的另一个解释。这是一场穿越自动克拉德（Autograd）怪异一面的旅行 - 梯度为物理服务，而不仅仅是举重
我最初在博士学位的第一年为自己写了本教程，同时浏览了Pytorch的梯度计算的复杂性。大部分显然是考虑到标准反向传播的设计，这很好，因为这就是大多数人所需要的。
，但是物理信息的神经网络（PINN）是一种喜怒无常的野兽，需要另一种梯度逻辑。我花了一些时间来喂食它，我认为可能值得与社区分享这些发现，尤其是与Pinn其他从业人员分享 - 也许它会为某人节省一些麻烦。但是，如果您从未听说过Pinns，请不用担心！这篇文章仍然适合您 - 特别是如果您喜欢梯度和所有有趣的东西之类的东西。
基础术语
计算机世界中的张量仅意味着一个多维数组，即一个或多个整数索引的数字。确切地说，还有零维张量，这只是单个数字。有人说，张量是将矩阵概括为两个以上维度的概括。
张量如果您以前研究过一般相对论，您可能听说数学张量具有协变量和违反指标。但是忘了这一点 - 在pytorch中，张量只是多维阵列。这里没有技巧。
叶子张量是一种张量，是计算图的叶子（从图理论的意义上）。我们将在下面查看这些定义会更有意义。
叶子张量张量的需求_grad属性告诉Pytorch是否应该记住该张量如何在进一步的计算中使用。目前，请考虑具有suremenes_grad = true的张量为变量，而sirgnes_grad = false的张量为常数。
需要
需要_grad = true
需要_grad = false
叶子张量
is_leaf
a
b
c
d
d.is_leaf
Pytorch的文档
false
c * c