pytorch小记（五）：pytorch中的求导操作：backward()

---

完整代码

x = torch.tensor([[2., -1.], [1., 1.]], requires_grad=True)
print(x)
out = x.pow(2).sum()
print(out)
out.backward()
print(x.grad)

>>>
tensor([[ 2., -1.],
        [ 1.,  1.]], requires_grad=True)
tensor(9., grad_fn=<SumBackward0>)
tensor([[12.,  3.],
        [ 3.,  3.]])

让我们逐行详细分析代码的执行逻辑及其背后的原理。

---

代码 1

x = torch.tensor([[2., -1.], [1., 1.]], requires_grad=True)
print(x)

解释

1. torch.tensor：

   • 创建一个二维张量 x，内容为 [[2., -1.], [1., 1.]]。
   • 数据类型为浮点数（float32），因为传入的是小数。

2. requires_grad=True：

   • 启用自动求导功能。
   • 任何以 x 为输入的张量计算图都会记录下来，用于后续的梯度计算。

3. 结果：
   打印张量 x：

   tensor([[ 2., -1.],
           [ 1.,  1.]], requires_grad=True)
   

---

代码 2

out = x.pow(2).sum()
print(out)

解释

1. x.pow(2)：

   • 计算 x 的每个元素的平方。
   • 张量的每个元素被逐元素计算：