用 Python 实现购买2个苹果和3个橙子，苹果单价为100，橙子单价为150，消费税为10%，要求输出每个计算节点的结果

用 Python 实现购买2个苹果和3个橙子，苹果单价为100，橙子单价为150，消费税为10%，要求输出每个计算节点的结果：a、苹果和橙子的总价（含消费税），b、苹果数量，苹果单价，橙子单价，橙子数量和消费税这五个参数的反向传播值。

import torch

# 定义变量，并设置requires_grad=True以追踪计算历史
apple_count = torch.tensor(2., requires_grad=True)
apple_price = torch.tensor(100., requires_grad=True)
orange_count = torch.tensor(3., requires_grad=True)
orange_price = torch.tensor(150., requires_grad=True)
tax_rate = torch.tensor(0.10, requires_grad=True)

# 计算苹果和橙子的总价
apple_total = apple_count * apple_price
orange_total = orange_count * orange_price
subtotal = apple_total + orange_total
total_with_tax = subtotal * (1 + tax_rate)

# 输出每个计算节点的结果
print("苹果总价（不含税）：", apple_total.item())
print("橙子总价（不含税）：", orange_total.item())
print("总价（含消费税）：", total_with_tax.item())

# 进行反向传播计算梯度
total_with_tax.backward()

# 输出各参数的梯度（反向传播值）
print("\n反向传播值：")
print(f"苹果数量的梯度：{apple_count.grad.item()}")
print(f"苹果单价的梯度：{apple_price.grad.item()}")
print(f"橙子数量的梯度：{orange_count.grad.item()}")
print(f"橙子单价的梯度：{orange_price.grad.item()}")
print(f"消费税率的梯度：{tax_rate.grad.item()}")

运行结果：