torch.autograd.functional.vhp

torch.autograd.functional.vhp(func, inputs, v=None, create_graph=False, strict=False) [исходный код]

Вычисляет скалярное произведение вектора v и гессиана заданной скалярной функции в указанной точке.

Параметры:

• func (function) – функция Python, которая принимает тензоры и возвращает тензор с одним элементом.
• inputs (tuple of Tensors or Tensor) – входные данные функции func.
• v (tuple of Tensors or Tensor) – Вектор, для которого вычисляется произведение вектора на гессиан. Должен иметь тот же размер, что и входные данные func. Этот аргумент необязателен, если входные данные func содержат один элемент; если аргумент не указан, ему будет присвоен тензор с одним 1.
• create_graph (bool, optional) – Если True, и выходные данные, и результат будут вычислены дифференцируемым способом. Обратите внимание: если strict имеет значение False, результат не может требовать вычисления градиентов или быть отсоединённым от входных данных. По умолчанию — False.
• strict (bool, optional) – Если True, будет вызвана ошибка, если мы обнаружим, что существует входное значение, от которого не зависят все выходные данные. Если False, для таких входных данных в качестве vhp возвращается тензор нулей — это ожидаемое математическое значение. По умолчанию — False.

Возвращает:

кортеж, содержащий:

func_output (кортеж тензоров или тензор): выходные данные func(inputs)

vhp (кортеж тензоров или тензор): результат скалярного произведения той же формы, что и входные данные.

Тип возвращаемого значения:

output (tuple)

Пример

>>> def pow_reducer(x):
...     return x.pow(3).sum()
>>> inputs = torch.rand(2, 2)
>>> v = torch.ones(2, 2)
>>> vhp(pow_reducer, inputs, v)
(tensor(0.5591),
 tensor([[1.0689, 1.2431],
         [3.0989, 4.4456]]))
>>> vhp(pow_reducer, inputs, v, create_graph=True)
(tensor(0.5591, grad_fn=<SumBackward0>),
 tensor([[1.0689, 1.2431],
         [3.0989, 4.4456]], grad_fn=<MulBackward0>))
>>> def pow_adder_reducer(x, y):
...     return (2 * x.pow(2) + 3 * y.pow(2)).sum()
>>> inputs = (torch.rand(2), torch.rand(2))
>>> v = (torch.zeros(2), torch.ones(2))
>>> vhp(pow_adder_reducer, inputs, v)
(tensor(4.8053),
 (tensor([0., 0.]),
  tensor([6., 6.])))