标签：es2017 结果 port logs cpu log 导数 技术 http
NDArray可以很方便的求解导数，比如下面的例子：（代码主要参考自https://zh.gluon.ai/chapter_crashcourse/autograd.html）
用代码实现如下：
1 import mxnet.ndarray as nd 2 import mxnet.autograd as ag 3 x = nd.array([[1,2],[3,4]]) 4 print(x) 5 x.attach_grad() #附加导数存放的空间 6 with ag.record(): 7 y = 2*x**2 8 y.backward() #求导 9 z = x.grad #将导数结果(也是一个矩阵)赋值给z 10 print(z) #打印结果
[[ 1. 2.] [ 3. 4.]] <NDArray 2x2 @cpu(0)> [[ 4. 8.] [ 12. 16.]] <NDArray 2x2 @cpu(0)>
对控制流求导
NDArray还能对诸如if的控制分支进行求导，比如下面这段代码：
1 def f(a): 2 if nd.sum(a).asscalar()<15: #如果矩阵a的元数和<15 3 b = a*2 #则所有元素*2 4 else: 5 b = a 6 return b
数学公式等价于：
这样就转换成本文最开头示例一样，变成单一函数求导，显然导数值就是x前的常数项，验证一下：
import mxnet.ndarray as nd import mxnet.autograd as ag def f(a): if nd.sum(a).asscalar()<15: #如果矩阵a的元数和<15 b = a*2 #则所有元素平方 else: b = a return b #注:1+2+3+4<15，所以进入b=a*2的分支 x = nd.array([[1,2],[3,4]]) print("x1=") print(x) x.attach_grad() with ag.record(): y = f(x) print("y1=") print(y) y.backward() #dy/dx = y/x 即:2 print("x1.grad=") print(x.grad) x = x*2 print("x2=") print(x) x.attach_grad() with ag.record(): y = f(x) print("y2=") print(y) y.backward() print("x2.grad=") print(x.grad)
x1= [[ 1. 2.] [ 3. 4.]] <NDArray 2x2 @cpu(0)> y1= [[ 2. 4.] [ 6. 8.]] <NDArray 2x2 @cpu(0)> x1.grad= [[ 2. 2.] [ 2. 2.]] <NDArray 2x2 @cpu(0)> x2= [[ 2. 4.] [ 6. 8.]] <NDArray 2x2 @cpu(0)> y2= [[ 2. 4.] [ 6. 8.]] <NDArray 2x2 @cpu(0)> x2.grad= [[ 1. 1.] [ 1. 1.]] <NDArray 2x2 @cpu(0)>
标签：es2017 结果 port logs cpu log 导数 技术 http
原文地址：http://www.cnblogs.com/yjmyzz/p/7783286.html
