forked from huawei/mindspore2022
37 lines
1.1 KiB
ReStructuredText
37 lines
1.1 KiB
ReStructuredText
mindspore.nn.Vjp
|
||
=================
|
||
|
||
.. py:class:: mindspore.nn.Vjp(fn)
|
||
|
||
计算给定网络的向量雅可比积(vector-Jacobian product, VJP)。VJP对应 `反向模式自动微分 <https://mindspore.cn/docs/programming_guide/zh-CN/master/design/gradient.html#id4>`_。
|
||
|
||
**参数：**
|
||
|
||
- **fn** (Cell) - 基于Cell的网络，用于接收Tensor输入并返回Tensor或者Tensor元组。
|
||
|
||
**输入：**
|
||
|
||
- **inputs** (Tensor) - 输入网络的入参，单个或多个Tensor。
|
||
- **v** (Tensor or Tuple of Tensor) - 与雅可比矩阵点乘的向量，Shape与网络的输出一致。
|
||
|
||
**输出：**
|
||
|
||
2个Tensor或Tensor元组构成的元组。
|
||
|
||
- **net_output** (Tensor or Tuple of Tensor) - 输入网络的正向计算结果。
|
||
- **vjp** (Tensor or Tuple of Tensor) - 向量雅可比积的结果。
|
||
|
||
**支持平台：**
|
||
|
||
``Ascend`` ``GPU`` ``CPU``
|
||
|
||
**样例：**
|
||
|
||
>>> from mindspore.nn import Vjp
|
||
>>> class Net(nn.Cell):
|
||
... def construct(self, x, y):
|
||
... return x**3 + y
|
||
>>> x = Tensor(np.array([[1, 2], [3, 4]]).astype(np.float32))
|
||
>>> y = Tensor(np.array([[1, 2], [3, 4]]).astype(np.float32))
|
||
>>> v = Tensor(np.array([[1, 1], [1, 1]]).astype(np.float32))
|
||
>>> output = Vjp(Net())(x, y, v) |