Variable

tensor是Pytorch中的完美组件，但是构建神经网络还远远不够，我们需要能够构建计算图的tensor，这就是Variable。在torch中的Variable就是一个存放会变化的值的地理位置，里面的值会不断变化，就像一个装鸡蛋的篮子，鸡蛋数会不断发生变化，里面的鸡蛋就是torch的Tensor了（torch是用tensor计算的，tensor里面的参数都是variable的形式）。Variable是对tensor的封装，操作和tensor是一样的，但是每个Variable都有三个属性，Variable中的tensor本身.data，对应tensor的梯度.grad以及这个Variable是通过说明方式得到的.grad_fn。如果用Variable进行计算，那返回的也是一个同类型的Variable.

首先定义一个Variable:

先是导入torch中的variable模块，然后定义

#将tensor变成variable（将鸡蛋‘tensor’放进‘篮子’里），默认Variable是不需要求梯度的，所以用这个方式（requires_grad=True）申明需要求梯度，要参与误差反向传播。

#注：tensor不能反向传播，variable可以反向传播！

计算x^2的均值：

对比tensor和variable的计算

这里，我们看不出有什么不同，但是当Variable计算时，他在幕后一步步默默地搭建着一个庞大的系统，叫做计算图，这个图将所有的计算步骤（结点）都连接起来，最后进行误差反向传递的时候，一次性将所有variable里面的修改幅度（梯度）都计算出来，而tensor不行。

Variable进行反向传播：

输出variable中的梯度

#对于上面两步，计算过程如下：variable_mean = 1/4 * sum(variable * variable)

                                                   variable.grad = d(variable_mean)/d(variable) = 1/4*2*variable = 1/2*variable

#要清楚，variable是计算图的一部分，可以用来传递误差

下面来获取Variable里面的数据：

输出variable形式的数据 用.data输出tensor形式的数据 转换为numpy形式的数据

by PengSW_10 on 2019/2/12