学习笔记：动手学深度学习 06 自动求导

1. example

 

创建变量x并为其分配一个初始值。

import torch

x = torch.arange(4.0)
x

在计算y关于x的梯度之前，我们需要一个地方来存储梯度。

x.requires_grad_(True)  # 等价于 `x = torch.arange(4.0, requires_grad=True)`
x.grad  # 默认值是None

y = 2 * torch.dot(x, x)
y

x是一个长度为4的向量，计算x和x的内积，得到了我们赋值给y的标量输出。接下来，我们可以通过调用反向传播函数来自动计算y关于x每个分量的梯度，并打印这些梯度。

y.backward() #求导
x.grad  #访问导数

x.grad == 4 * x #验证梯度计算

# 在默认情况下，PyTorch会累积梯度，我们需要清除之前的值
#下划线表示更新内