![e312d817ad05c6dada431171acb3ec14.gif](https://i-blog.csdnimg.cn/blog_migrate/2a943248730056e7931f896059af252f.gif)
本文作者:Allen
在该系列的上一篇,我们介绍了使用Pytorch的重要知识点:计算图和自动求导。
本篇我们继续学习计算图和自动求导。
首先,我们在上一节的计算图上增加复杂度,例如变成这样的计算图:
图中为了绘制方便,把张量w和x绘制在一个框中了。
其对应的计算图代码如下:
import torchw = torch.tensor([1.],requires_grad=True)x = torch.tensor([2.],requires_grad=True)a = torch.add(w,x)b = torch.add(w,2)y = torch.mul(a,b)y.backward()#梯度反向传播print(w.grad)#w的