vjp

paddle.incubate.autograd. vjp ( func, xs, v=None ) [源代码]

计算向量 v 与函数 funcxs 处的雅可比矩阵乘积。

警告

该 API 目前为 Beta 版本,函数签名在未来版本可能发生变化。

参数

  • func (Callable) - Python 函数,输入参数为 xs,输出为 Tensor 或 Tensor 序列。

  • xs (Tensor|Sequence[Tensor]) - 函数 func 的输入参数,数据类型为 Tensor 或 Tensor 序列。

  • v (Tensor|Sequence[Tensor]|None,可选) - 用于计算 vjp 输入向量,形状要求与 函数 func 的输出一致。默认值为 None,此时相当于形状与 func 输出一致,值全为 1 的 Tensor 或 Tensor 序列。

返回

  • func_out (Tensor|tuple[Tensor]) - 函数 func(xs) 的输出。

  • vjp (Tensor|tuple[Tensor]) - vjp 计算结果。

代码示例

import paddle

def func(x):
    return paddle.matmul(x, x)

x = paddle.ones(shape=[2, 2], dtype='float32')
_, vjp_result = paddle.incubate.autograd.vjp(func, x)
print(vjp_result)
# Tensor(shape=[2, 2], dtype=float32, place=Place(gpu:0), stop_gradient=False,
#        [[4., 4.],
#         [4., 4.]])

v = paddle.to_tensor([[1.0, 0.0], [0.0, 0.0]])
_, vjp_result = paddle.incubate.autograd.vjp(func, x, v)
print(vjp_result)
# Tensor(shape=[2, 2], dtype=float32, place=Place(gpu:0), stop_gradient=False,
#        [[2., 1.],
#         [1., 0.]])