torch.func

创建日期：2025 年 6 月 11 日 | 最后更新日期：2025 年 6 月 11 日

torch.func，以前称为“functorch”，是 PyTorch 中 JAX-like 可组合函数变换。

注意

该库目前处于 beta 阶段。这意味着功能通常可以正常工作（除非另有说明），并且我们（PyTorch 团队）致力于推动该库向前发展。但是，API 可能会根据用户反馈而改变，并且我们没有完全覆盖 PyTorch 操作。

如果您对 API 或需要涵盖的用例有任何建议，请提交 GitHub Issue 或联系我们。我们很乐意听取您如何使用该库的经验。

什么是可组合函数变换？

• “函数变换”是一种高阶函数，它接受一个数值函数并返回一个计算不同量的新函数。

• torch.func 具有自动微分变换（grad(f) 返回一个计算 f 梯度的函数）、向量化/批处理变换（vmap(f) 返回一个对输入批次计算 f 的函数）等等。

• 这些函数变换可以任意组合。例如，组合 vmap(grad(f)) 可以计算一个称为逐样本梯度（per-sample-gradients）的量，而当前的 PyTorch 无法高效计算该量。

为什么选择可组合函数变换？

目前在 PyTorch 中有一些难以实现的使用案例

• 计算逐样本梯度（或其他逐样本量）

• 在单机上运行模型集成

• 高效地批处理 MAML 内部循环中的任务

• 高效地计算雅可比矩阵和 Hessian 矩阵

• 高效地计算批处理雅可比矩阵和 Hessian 矩阵

组合 vmap()、grad() 和 vjp() 变换使我们无需为每个功能设计单独的子系统即可表达上述内容。这种可组合函数变换的思想来源于 JAX 框架。

阅读更多

• torch.func 快速导览
  • 什么是 torch.func？
  • 为什么选择可组合函数变换？
  • 有哪些变换？
• torch.func API 参考
  • 函数变换
  • 处理 torch.nn.Modules 的实用程序
  • 调试实用程序
• UX 限制
  • 一般限制
  • torch.autograd API
  • vmap 限制
  • 随机性
• 从 functorch 迁移到 torch.func
  • 函数变换
  • 神经网络模块实用程序
  • functorch.compile