正向与反向模式区分 - Pytorch

Forward vs reverse mode differentiation - Pytorch

Learning PyTorch with Examples的第一个例子中,作者演示了如何使用numpy创建神经网络。为方便起见,将他们的代码粘贴在下面:

# from: https://pytorch.org/tutorials/beginner/pytorch_with_examples.html
# -*- coding: utf-8 -*-
import numpy as np

# N is batch size; D_in is input dimension;
# H is hidden dimension; D_out is output dimension.
N, D_in, H, D_out = 64, 1000, 100, 10

# Create random input and output data
x = np.random.randn(N, D_in)
y = np.random.randn(N, D_out)

# Randomly initialize weights
w1 = np.random.randn(D_in, H)
w2 = np.random.randn(H, D_out)

learning_rate = 1e-6
for t in range(500):
    # Forward pass: compute predicted y
    h = x.dot(w1)
    h_relu = np.maximum(h, 0)
    y_pred = h_relu.dot(w2)

    # Compute and print loss
    loss = np.square(y_pred - y).sum()
    print(t, loss)

    # Backprop to compute gradients of w1 and w2 with respect to loss
    grad_y_pred = 2.0 * (y_pred - y)
    grad_w2 = h_relu.T.dot(grad_y_pred)
    grad_h_relu = grad_y_pred.dot(w2.T)
    grad_h = grad_h_relu.copy()
    grad_h[h < 0] = 0
    grad_w1 = x.T.dot(grad_h)

    # Update weights
    w1 -= learning_rate * grad_w1
    w2 -= learning_rate * grad_w2

让我感到困惑的是,为什么要计算 w1 和 w2 的梯度关于损失(倒数第二个代码块)。

通常情况下会发生相反的计算:损失梯度是根据权重计算的,如此处引用:

所以我的问题是:与正常反向传播计算相比,为什么上面示例中的推导计算顺序相反?

好像是评论打错了。他们实际上是在计算lossw.r.t的梯度。 w2w1.

让我们快速推导出lossw.r.t的梯度。 w2 只是为了确定。通过检查您的代码,我们有

使用微积分的链式法则

.

每一项都可以使用矩阵微积分的基本规则来表示。结果是

.

将这些项重新代入我们得到的初始方程

.

所描述的表达式完全匹配
grad_y_pred = 2.0 * (y_pred - y)       # gradient of loss w.r.t. y_pred
grad_w2 = h_relu.T.dot(grad_y_pred)    # gradient of loss w.r.t. w2

在您提供的反向传播代码中。