链式法则 反向传播

import torch

# 创建一个需要梯度计算的FloatTensor
a = torch.tensor([2., 3.], dtype=torch.float, requires_grad=True)

# 计算 b = a * 3
b = a * 3

# 计算 c = b * b * 3
c = b * b * 3

# 计算 c 的均值
out = c.mean()

# 反向传播，计算梯度
out.backward()

在反向传播阶段，out.backward()会计算out关于a的梯度。考虑到前面的运算步骤，我们需要计算out关于a的偏导数，即dc/da。

根据链式法则，我们可以分解这个过程：

1. c = (a*3)^2 * 3，首先计算(a*3)，记为b，然后计算b的平方，并乘以3。
2. 因此，dc/db = 2 * b * 3，然后db/da = 3。
3. 所以，dc/da = dc/db * db/da = 2 * b * 3 * 3，因为b在计算梯度时已经是关于a的表达式，所以b的值会被代入。