2024.6.28 指定要素の自動微分【torch】

PuTorchの自動微分を行うメソッドであるbackwardはスカラ型の要素のみに適用可能である。ベクトルや行列全体に対して適用することはできない。

code:p01.py

import torch as pt

A = pt.tensor(1,1],0,1,2,0,[3,1, dtype=pt.float)

A.requires_grad = True

A = pt.tensor(1,0,2,2,0],[0,1,3,1,1, dtype=pt.float)

A.requires_grad = True

X = A @ B

X.backward()

こんなエラーが生じる

RuntimeError: grad can be implicitly created only for scalar outputs

添字を用いて対象を１要素に指定すれば、適用することができる。

code:p02.py

import torch as pt

A = pt.tensor(1,1],0,1,2,0,[3,1, dtype=pt.float, requires_grad=True)

B = pt.tensor(1,0,2,2,0],[0,1,3,1,1, dtype=pt.float, requires_grad=True)

print('A =\n', A)

print('B =\n', B)

X = A @ B

X3,2.backward()

print('A.grad =\n', A.grad)

print('B.grad =\n', B.grad)

上の結果は行列積の仕組みから自明であるが、$ (i, j) 要素に対する勾配は$ Aの$ i行目と$ Bの$ j列目となる。

code:result.txt[

A =

tensor([1., 1.,

3., 1.], requires_grad=True)

B =

0., 1., 3., 1., 1.], requires_grad=True)

A.grad =

tensor([0., 0.,

B.grad =