L3-023 计算图 (30 分)

“计算图”（computational graph）是现代深度学习系统的基础执行引擎，提供了一种表示任意数学表达式的方法，例如用有向无环图表示的神经网络。 图中的节点表示基本操作或输入变量，边表示节点之间的中间值的依赖性。
例如，下图就是一个函数 f(x）的计算图。

先把反向存图，把有入度的标记，没有入度的就是尾节点。
然后从这个点dfs记忆化递归出计算结果存在m[50001]中
再求偏导数，用dm[5001]存，用dfs2（cur,i)代表对第i个x求偏导在cur这个点的导数。

#include <bits/stdc++.h>
#define inf 0x7fffffff
using namespace std;
struct node{
   
	double val;
	int op , u , v;
}m[50001] , dm[50001];
double dfs(int cur){
   		//求函数结果
	if(m[cur].op == 0 || m[cur].val != inf){
   
		return m[cur].val;
	}
	else if(m[cur].op == 1){
   
		return m[cur].val = dfs(m[cur].u)+dfs(m[cur].v);
	}
	else if(m[cur].op == 2){
   
		return m[cur].val = dfs(m[cur].u)-dfs(m[cur].v);
	}
	else if(m[cur].op == 3){
   
		re