梯度计算注意事项（pytorch）

"""
当对设置requires_grad=True的张量使用numpy函数进行转化时，会出现以下报错：
Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.
此时需要使用detach函数将张量分离，再使用numpy函数
注意：detach之后会产生一个新的张量，新的张量作为叶子结点，并且该张量和原来的张量共享数据，但是分离后的张量不需要计算梯度。


"""
import torch

#1.演示错误
def test01():
    x=torch.tensor([10,20],requires_grad=True,dtype=torch.float64)
    #print(x.numpy())
    #RuntimeError: Can't call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.
    #下面是正确做法
    print(x.detach().numpy())

#2共享数据
def test02():
    x1=torch.tensor([10,20],requires_grad=True,dtype=torch.float64)
    #使用detach函数分离出一个新的张量
    x2=x1.detach().numpy()
    #修改分离后产生的新的张量
    x2[0]=100
    print(x1)
    print(x2)
    #tensor([100.,  20.], dtype=torch.float64, requires_grad=True) [100.  20.]
    #结果表明：x2不存在requires_grad=True
    #表示：对x1的任何计算都会影响到x1的梯度计算，但对x2的任何计算不会影响到x1的梯度计算
    print(x1.requires_grad)
    #print(x2.requires_grad)
if __name__=='__main__':
    test02()