百度飞桨 PaddlePaddle v2.1 深度学习教程
首页
白天
夜间
下载
阅读记录
书签管理
我的书签
添加书签
移除书签
编辑文档
backward
来源 1
浏览
695
扫码
打印
2021-06-06 23:20:52
backward
计算给定的 Tensors 的反向梯度。
示例代码
上一篇:
下一篇:
发布点评
安装指南
昆仑XPU芯片安装及运行飞桨
海光DCU芯片运行飞桨
附录
Pip安装
MacOS下的PIP安装
Windows下的PIP安装
Linux下的PIP安装
Conda安装
Windows下的Conda安装
MacOS下的Conda安装
Linux下的Conda安装
Docker安装
MacOS下的Docker安装
Linux下的Docker安装
从源码编译
MacOS下从源码编译
Windows下从源码编译
飞腾/鲲鹏下从源码编译
申威下从源码编译
兆芯下从源码编译
Linux下从源码编译
应用实践
快速上手
模型保存及加载
动态图
飞桨高层API使用指南
hello paddle: 从普通程序走向机器学习程序
使用线性回归预测波士顿房价
强化学习
强化学习——Actor Critic Method
推荐算法
使用协同过滤实现电影推荐
计算机视觉
图像风格迁移模型-CycleGAN
通过DCGAN实现人脸图像生成
使用LeNet在MNIST数据集实现图像分类
人脸关键点检测
基于U-Net卷积神经网络实现宠物图像分割
点云处理：实现PointNet点云分类
使用卷积神经网络进行图像分类
通过Sub-Pixel实现图像超分辨率
基于图片相似度的图片搜索
通过OCR实现验证码识别
时序数据
通过AutoEncoder实现时序数据异常检测
自然语言处理
使用注意力机制的LSTM的机器翻译
IMDB 数据集使用BOW网络的文本分类
用N-Gram模型在莎士比亚文集中训练word embedding
使用序列到序列模型完成数字加法
使用预训练的词向量完成文本分类任务
API 文档
paddle.autograd
PyLayer
PyLayerContext
backward
paddle.compat
to_text
get_exception_message
long_type
round
to_bytes
floor_division
paddle.fluid
create_random_int_lodtensor
DataFeeder
DataFeedDesc
get_flags
clip
ErrorClipByValue
set_gradient_clip
dataset
QueueDataset
InMemoryDataset
DatasetFactory
dygraph
BilinearTensorProduct
save_dygraph
ReduceLROnPlateau
Embedding
LambdaDecay
Pool2D
TreeConv
LayerNorm
Dropout
LSTMCell
enabled
GRUUnit
StepDecay
load_dygraph
GRUCell
Linear
Conv2DTranspose
Conv3D
MultiStepDecay
GroupNorm
NCE
PRelu
prepare_context
Conv2D
Conv3DTranspose
evaluator
EditDistance
ChunkEvaluator
DetectionMAP
initializer
NumpyArrayInitializer
ConstantInitializer
Normal
TruncatedNormal
Constant
Uniform
Xavier
MSRA
MSRAInitializer
io
save_vars
get_program_parameter
get_program_persistable_vars
PyReader
load_params
load_vars
save_params
shuffle
load_persistables
save_persistables
layers
beam_search
psroi_pool
elementwise_min
gru_unit
linear_lr_warmup
expand_as
split
target_assign
concat
distribute_fpn_proposals
l2_normalize
reduce_min
sigmoid_focal_loss
soft_relu
adaptive_pool2d
kldiv_loss
continuous_value_model
brelu
generate_mask_labels
lod_reset
cumsum
roi_pool
lstm_unit
dynamic_gru
MultivariateNormalDiag
hard_swish
softmax
elementwise_add
reduce_all
label_smooth
polynomial_decay
strided_slice
crop
prior_box
pool2d
Categorical
exponential_decay
beam_search_decode
huber_loss
add_position_encoding
tensor_array_to_tensor
array_length
rnn
array_read
expand
Decoder
get_tensor_from_selected_rows
box_coder
DynamicRNN
eye
unique_with_counts
bipartite_match
lstm
zeros
noam_decay
gaussian_random
matmul
resize_bilinear
reduce_prod
merge_selected_rows
fill_constant
softshrink
data
py_reader
lod_append
space_to_depth
StaticRNN
filter_by_instag
SampleEmbeddingHelper
size
GreedyEmbeddingHelper
pad_constant_like
retinanet_target_assign
sampling_id
image_resize_short
pad
pad2d
teacher_student_sigmoid_loss
matrix_nms
mean
detection_output
inverse_time_decay
retinanet_detection_output
elementwise_max
cross_entropy
elementwise_mod
hard_shrink
piecewise_decay
leaky_relu
hard_sigmoid
multiclass_nms
reorder_lod_tensor_by_rank
roi_perspective_transform
bpr_loss
reduce_any
flatten
DecodeHelper
polygon_box_transform
prroi_pool
Normal
hash
resize_trilinear
elementwise_pow
Switch
yolo_box
double_buffer
lrn
argmax
thresholded_relu
ctc_greedy_decoder
sum
squeeze
reverse
create_py_reader_by_data
BasicDecoder
dynamic_lstmp
relu6
ssd_loss
locality_aware_nms
zeros_like
gelu
one_hot
IfElse
less_than
iou_similarity
maxout
where
pixel_shuffle
range
topk
elementwise_sub
not_equal
generate_proposal_labels
warpctc
relu
cosine_decay
collect_fpn_proposals
sampled_softmax_with_cross_entropy
diag
inplace_abn
GRUCell
Uniform
hsigmoid
RNNCell
affine_grid
sign
pool3d
unsqueeze
greater_than
deformable_conv
reduce_mean
adaptive_pool3d
smooth_l1
less_equal
random_crop
LSTMCell
linear_chain_crf
embedding
yolov3_loss
grid_sampler
argsort
_loss
stack
deformable_roi_pooling
margin_rank_loss
rpn_target_assign
equal
dynamic_lstm
image_resize
elu
mul
read_file
sigmoid_cross_entropy_with_logits
autoincreased_step_counter
edit_distance
greater_equal
fsp_matrix
isfinite
ones
gather
sums
reduce_max
generate_proposals
While
create_array
ones_like
reshape
reduce_sum
natural_exp_decay
argmin
anchor_generator
scatter
unique
fc
gather_nd
box_clip
resize_nearest
swish
uniform_random
create_tensor
dropout
TrainingHelper
selu
roi_align
mse_loss
array_write
affine_channel
elementwise_floordiv
im2sequence
box_decoder_and_assign
rank_loss
elementwise_div
shuffle_channel
similarity_focus
density_prior_box
metrics
Auc
Accuracy
EditDistance
ChunkEvaluator
DetectionMAP
Recall
CompositeMetric
Precision
MetricBase
nets
sequence_conv_pool
simple_img_conv_pool
scaled_dot_product_attention
img_conv_group
glu
optimizer
SGDOptimizer
MomentumOptimizer
reader
PyReader
regularizer
L2DecayRegularizer
L1DecayRegularizer
transpiler
HashName
DistributeTranspilerConfig
release_memory
DistributeTranspiler
memory_optimize
create_lod_tensor
one_hot
data
set_flags
cuda_pinned_places
paddle.onnx
export
paddle.regularizer
L2Decay
L1Decay
paddle.sysconfig
get_include
get_lib
常见问题与解答
模型保存常见问题
数据及其加载常见问题
分布式训练常见问题
参数调整常见问题
安装常见问题
2.0 升级常见问题
其他常见问题
组网、训练、评估常见问题
Release Note
使用教程
自定义算子
原生算子开发注意事项
自定义外部算子
自定义Python算子
自定义原生算子
硬件支持
海光DCU芯片运行飞桨
飞桨框架ROCm版支持模型
飞桨框架ROCm版预测示例
飞桨框架ROCm版安装说明
飞桨框架ROCm版训练示例
飞桨产品硬件支持表
昇腾NPU芯片运行飞桨
飞桨框架昇腾NPU版训练示例
飞桨框架NPU版安装说明
昆仑XPU芯片运行飞桨
飞桨框架昆仑XPU版训练示例
飞桨框架昆仑XPU版安装说明
飞桨对昆仑XPU芯片的支持
飞桨预测库昆仑XPU版安装及使用示例
分布式训练
分布式训练快速开始
使用FleetAPI进行分布式训练
参与开发
本地开发指南
提交PR注意事项
FAQ
推理部署
服务器部署 — Paddle Inference
模型压缩 — PaddleSlim
移动端/嵌入式部署 — Paddle Lite
算子映射
Paddle 1.8 与 Paddle 2.0 API映射表
PyTorch 1.8 与 Paddle 2.0 API映射表
动态图转静态图
支持语法列表
报错信息处理
InputSpec 功能介绍
基本用法
调试方法
内部架构原理
VisualDL 工具
VisualDL 使用指南
VisualDL 工具简介
整体介绍
基本概念
自动微分机制介绍
Tensor概念介绍
自动混合精度训练
广播 (broadcasting)
版本迁移工具
升级指南
模型开发
模型导出ONNX协议
数据预处理
模型组网
模型存储与载入
10分钟快速上手飞桨（PaddlePaddle）
数据集定义与加载
自定义指标
单机多卡训练
训练与预测
暂无相关搜索结果！
本文档使用
全库网
构建
×
思维导图备注
×
文章二维码
手机扫一扫，轻松掌上读
×
文档下载
请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
PDF
文档
EPUB
文档
MOBI
文档
×
书签列表
×
阅读记录
阅读进度:
0.00%
(
0/0
)
重置阅读进度
我的书签
添加书签
移除书签