代码拉取完成,页面将自动刷新
.. py:class:: mindspore.nn.ForwardValueAndGrad(network, weights=None, get_all=False, get_by_list=False, sens_param=False) 训练网络的封装。 包括正向网络和梯度函数。该类生成的Cell使用'\*inputs'输入来训练。 通过梯度函数来创建反向图,用于计算梯度。 参数: - **network** (Union[Cell, Function, MethodType]) - 训练网络。 - **weights** (ParameterTuple) - 训练网络中需要计算梯度的参数。默认值: ``None`` 。 - **get_all** (bool) - 如果为 ``True`` ,则计算网络输入对应的梯度。默认值: ``False`` 。 - **get_by_list** (bool) - 如果为 ``True`` ,则计算参数变量对应的梯度。如果 `get_all` 和 `get_by_list` 都为 ``False`` ,则计算第一个输入对应的梯度。如果 `get_all` 和 `get_by_list` 都为True,则以((输入的梯度),(参数的梯度))的形式同时获取输入和参数变量的梯度。默认值: ``False`` 。 - **sens_param** (bool) - 是否将sens作为输入。如果 `sens_param` 为False,则sens默认为'ones_like(outputs)'。默认值: ``False`` 。如果 `sens_param` 为 ``True`` ,则需要指定sens的值。 输入: - **\*inputs** (Tuple(Tensor...)) - shape为 :math:`(N, \ldots)` 的输入tuple。 - **sens** - 反向传播梯度的缩放值。如果网络有单个输出,则sens是tensor。如果网络有多个输出,则sens是tuple(tensor)。 输出: - **forward value** - 网络运行的正向结果。 - **gradients** (tuple(tensor)) - 网络反向传播的梯度。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。