functorch.hessian

functorch.hessian(func, argnums=0)

透過正向反向策略計算 `func` 關於索引 `argnum` 處的參數的黑塞矩陣。

正向疊反向策略（組成 `jacfwd(jacrev(func))）是兼顧效能的良好預設選項。也可以透過其他 jacfwd() 和 jacrev() 的組合方式來計算 Hessian 矩陣，例如 jacfwd(jacfwd(func)) 或 jacrev(jacrev(func))。

參數

• func (函式) – 一個 Python 函式，它接受一個或多個引數（其中至少一個必須是張量），並返回一個或多個張量。

• argnums (int 或 Tuple[int]) – 選用，整數或整數元組，指定要計算 Hessian 矩陣的引數位置。預設值：0。

回傳值

返回一個函式，它接受與 func 相同的輸入，並返回 func 關於 argnums 指定引數的 Hessian 矩陣。

注意事項

您可能會看到這個 API 因為「運算子 X 未實作正向模式自動微分」而錯誤。如果是這樣，請提交錯誤報告，我們會優先處理。另一種替代方案是使用 jacrev(jacrev(func))，它有更好的運算子覆蓋率。

對於 R^N → R^1 函式的基本用法會得到一個 N x N 的 Hessian 矩陣。

>>> from torch.func import hessian
>>> def f(x):
>>>   return x.sin().sum()
>>>
>>> x = torch.randn(5)
>>> hess = hessian(f)(x)  # equivalent to jacfwd(jacrev(f))(x)
>>> assert torch.allclose(hess, torch.diag(-x.sin()))

警告

我們已將 functorch 整合到 PyTorch 中。作為整合的最後一步，functorch.hessian 從 PyTorch 2.0 開始已被棄用，並將在 PyTorch >= 2.3 的未來版本中刪除。請改用 torch.func.hessian；有關更多詳細資訊，請參閱 PyTorch 2.0 發行說明和/或 torch.func 遷移指南 https://pytorch.dev.org.tw/docs/master/func.migrating.html