目錄

第1關：Variable

任務描述

編程要求

測試說明

沒有偉大的愿望，就沒有偉大的天才。——巴爾扎克開始你的任務吧，祝你成功！

第2關：Variable 屬性

任務描述

編程要求

測試說明

真正的科學家應當是個幻想家；誰不是幻想家，誰就只能把自己稱為實踐家。 —— 巴爾扎克開始你的任務吧，祝你成功！

第3關：梯度初探

任務描述

編程要求

測試說明

科學的界限就像地平線一樣：你越接近它，它挪得越遠。——布萊希特開始你的任務吧，祝你成功！

第4關：梯度進階

任務描述

編程要求

測試說明

真正的科學家應當是個幻想家；誰不是幻想家，誰就只能把自己稱為實踐家。 —— 巴爾扎克開始你的任務吧，祝你成功！

---

第1關：Variable

恭喜大家進入 ?Pytorch 最為核心的學習——autograd，這是 ?Pytorch 中區別其他機器學習庫的一個重要元素。準備好了嗎？讓我們一探它的廬山真面目吧！

• 任務描述

本關任務：本關提供了一個張量變量tensor ，根據所給的張量創建 Variable 變量v，同時要求同學們掌握 Variable 的相關屬性，例如如何獲得 Variable 的 data 屬性。

• 編程要求

本關涉及的代碼文件為 createVariable.py，本次編程任務是補全右側代碼片段中 Begin 至 End 中間的代碼，具體要求如下：

根據所給的張量創建 Variable 變量 v。
具體請參見后續測試樣例。

• 測試說明

本關涉及的測試文件為 createVariable.py ，運行用戶填寫后的程序判斷正誤。

根據程序的輸出判斷程序是否正確，若正確則輸出下面的預期輸出，否則報錯。

請注意輸出格式及規范。

以下是測試樣例：

測試輸入：
預期輸出：
Variable containing:
?1 ?4 ?2
?3 ?1 ?4
[torch.FloatTensor of size 2x3]

沒有偉大的愿望，就沒有偉大的天才。——巴爾扎克
開始你的任務吧，祝你成功！

import torch
from torch.autograd import Variable
tensor = torch.FloatTensor([[1,4,2],[3,1,4]])#/********** Begin *********/
v = Variable(tensor,requires_grad=True)
#/********** End *********/
print(v)

---

第2關：Variable 屬性

本關將介紹 Variable 屬性方面的知識，讓同學們對其更加熟悉，便于掌握。

• 任務描述

本關要求掌握Variable 的基本屬性及其意義，如requires_grad屬性標記著該Variable 是否需要求導。

本關任務：本關提供了一個32位浮點型的張量 x，要求同學們根據 x創建一個Variable類型的變量 y， y是由 x 的平方計算得到，并輸出y的Requires Gradiet屬性和Gradient屬性。

• 編程要求

本關涉及的代碼文件為attributes.py，本次的編程任務是補全右側代碼片段中Begin至End中間的代碼，具體要求如下：

創建一個變量 ?y，由 ?x 的平方計算得到，并輸出；

輸出 y 的Requires Gradient屬性；

輸出 y 的Gradient屬性。

具體請參見后續測試樣例。

• 測試說明

測試過程：

本關涉及的測試文件為attributes.py，運行用戶填寫后的程序判斷正誤。

根據程序的輸出判斷程序是否正確，若正確則輸出下面的預期輸出，否則報錯。

請注意輸出格式及規范。

以下是測試樣例：

測試輸入：
預期輸出：

Variable containing:
?1
?4
?9
[torch.FloatTensor of size 3]

Requires Gradient : True?
Gradient : None?

真正的科學家應當是個幻想家；誰不是幻想家，誰就只能把自己稱為實踐家。 —— 巴爾扎克
開始你的任務吧，祝你成功！

import torch
from torch.autograd import Variable
import warnings  
# 忽略特定警告  
warnings.filterwarnings("ignore", message="The .grad attribute of a Tensor that is not a leaf Tensor is being accessed.*") x = torch.FloatTensor([1,2,3])
x = Variable(x, requires_grad=True)#/********** Begin *********/
#創建一個變量 y，由 x 的平方計算得到
y = x * x
#按照要求輸出y相應的屬性
print(y)
print('Requires Gradient : %s ' % (y.requires_grad))
print('Gradient : %s ' % (y.grad))
#/********** End *********

---

第3關：梯度初探

接下來讓我們一探神秘的梯度求導吧！

• 任務描述

結合上一關卡所介紹的Variable屬性，我們將進一步學習Variable的反向傳播函數backward，從而計算出其梯度的大小。

本關任務：

本關提供了一個 Variable 類型的變量x，并將x的 requires_grad設置為True，以便后續的求導操作。在 x 基礎上進行相應的運算得到y ，在 y的基礎上進行運算得到z，令變量out為 z 的平均值，計算out 的梯度并輸出x的梯度值。求導計算的步驟如下所示：

• 編程要求

本關涉及的代碼文件為gradient.py，本次編程任務是補全右側代碼片段中Begin至End中間的代碼，具體要求如下：

在 x 基礎上進行運算, y = x + 2；

在 y 基礎上進行運算, z = y * y * 3；

令變量out為 z 的平均值并輸出；

計算 out 的梯度并輸出x的梯度值；

具體請參見后續測試樣例。

• 測試說明

測試過程：

本關涉及的測試文件為gradient.py，運行用戶填寫后的程序判斷正誤。

根據程序的輸出判斷程序是否正確，若正確則輸出下面的預期輸出，否則報錯。

請注意輸出格式及規范。

以下是測試樣例：

測試輸入：
預期輸出：

output:
?Variable containing:
?40.5000
[torch.FloatTensor of size 1]

Variable containing:
?3.0000
?4.5000
?6.0000
?7.5000
[torch.FloatTensor of size 4]

科學的界限就像地平線一樣：你越接近它，它挪得越遠。——布萊希特
開始你的任務吧，祝你成功！

---

import torch
from torch.autograd import Variable x = Variable(torch.Tensor(range(4)), requires_grad=True)
#/********** Begin *********/
#在 x 基礎上進行運算, y = x + 2
y = x + 2
#在 y 基礎上進行運算, z = y * y * 3
z = y * y * 3
#令變量 out 為 z 的平均值并輸出
out = z.mean()#計算 out 的梯度并輸出x的梯度值
out.backward(retain_graph=True)
print('output:')
print(out.item())print(x.grad)
#/********** End *********

---

第4關：梯度進階

在上一關卡中，我們學習了利用.backward ()對Variable 變量進行反向傳播求導，本關將介紹另一種求解梯度的方法——torch.autograd.grad。

• 任務描述

本關任務：

本關提供了Variable 類型的變量x和Variable 類型的變量y，并將x 和y的requires_grad設置為True以便后續的求導操作。在 x和y的基礎上進行運算得到z，利用torch.autograd.grad方法求梯度 dz_dx和dz_dy。

• 編程要求

本關涉及的代碼文件為autograd_grad.py，本次編程任務是補全右側代碼片段中Begin至End中間的代碼，具體要求如下：

計算 z = x*x + 3*y；

求梯度 dz_dx和dz_dy 并輸出；

具體請參見后續測試樣例。

• 測試說明

測試過程：

本關涉及的測試文件為autograd_grad.py，運行用戶填寫后的程序判斷正誤；

根據程序的輸出判斷程序是否正確，若正確則輸出下面的預期輸出，否則報錯；

請注意輸出格式及規范。

以下是測試樣例：

dz_dx:?
?(Variable containing:
? 2 ? 4 ? 6
? 8 ?10 ?12
[torch.FloatTensor of size 2x3]
,)
dz_dy:?
?(Variable containing:
?3 ?3 ?3
?3 ?3 ?3
[torch.FloatTensor of size 2x3]
,)

真正的科學家應當是個幻想家；誰不是幻想家，誰就只能把自己稱為實踐家。 —— 巴爾扎克
開始你的任務吧，祝你成功！

import torch
from torch.autograd import Variablex = Variable(torch.unsqueeze(torch.linspace(1, 6, 6), dim = 1).view(2, 3), requires_grad=True)y = Variable(torch.Tensor(2, 3).uniform_(-1, 1), requires_grad=True)#/********** Begin *********/
#計算 z = x*x + 3*y
z = x*x + 3*y#求dz_dx和dz_dy 并輸出
dz_dx = torch.autograd.grad(z, x, grad_outputs=torch.ones_like(z))
dz_dy = torch.autograd.grad(z, y, grad_outputs=torch.ones_like(z))
print("dz_dx: \n",dz_dx)
print("dz_dy: \n",dz_dy)
#/********** End *********/