梯度

函数 f ，输入的是一个 n 维向量 x = [x1,x2,...,xn]T，输出是一个标量。

函数 f 关于 x 的梯度就是一个 n 个偏导数组成的向量：

例如：

其中 x = [x1,x2,x3,x4]T，那么 y = 2(x1*x1+x2*x2+x3*x3+x4*x4)；

关于 x 的偏导数求得 [4x1,4x2,4x3,4x4]T，即 4X

 

backward()自动求梯度

# coding: utf-8

# In[2]:


from mxnet import autograd,nd


# In[3]:


x = nd.arange(4).reshape((4,1))
x


# In[4]:


x.attach_grad()


# In[5]:


with autograd.record():
    y = 2 * nd.dot(x.T,x)


# In[7]:


y.backward()


# In[8]:


assert (x.grad - 4*x).norm().asscalar() == 0
x.grad


# In[12]:


x.grad

 

 

# In[13]:


def f(a):
    b = a*2
    while b.norm().asscalar()<1000:
        b = b*2
    if b.sum().asscalar()>0:
        c = b
    else:
        c = 100 * b
    return c


# In[15]:


a = nd.random.normal(shape=1)
a


# In[16]:


a.attach_grad()


# In[18]:


with autograd.record():
    c = f(a)
c.backward()


# In[19]:


a.grad


# In[20]:


a.grad == c/a

分析：根据函数可知，进去一个a，出来一定是 x * a 的形式，对a 求偏导，得x。

则 a.grad == c / a