Python 为什么torch.gt函数将requires_grad变为False？
Python 为什么torch.gt函数将requires_grad变为False？,python,pytorch,Python,Pytorch,需要张量b和c的梯度True。但是需要张量d的梯度为False。我很好奇为什么会发生这种变化，因为所有要求的输入都是真的 然而，要求张量e的梯度为真。我仍然可以在e上执行backward（）。但这样做有错误吗 我正在使用Python3.7和Pytorch1.1 导入火炬 导入torch.nn作为nn net=nn.Conv2d（1,1,3，padding=1） a=火炬。随机数（1，1，10，10） b=净（a） c=净（b） d=火炬燃气轮机（b，c） e=b-c e[e>0]=1.0 e[e
需要张量b
和c
的True需要张量d
的梯度为False
。我很好奇为什么会发生这种变化，因为所有要求的输入都是真的
然而，要求张量e
的梯度为真。我仍然可以在e
上执行backward（）。但这样做有错误吗
我正在使用Python3.7和Pytorch1.1
导入火炬
导入torch.nn作为nn
net=nn.Conv2d（1,1,3，padding=1）
a=火炬。随机数（1，1，10，10）
b=净（a）
c=净（b）
d=火炬燃气轮机（b，c）
e=b-c
e[e>0]=1.0
e[e<0]=0.0
我认为这是因为不能采用大于运算的梯度。返回类型为布尔值：
>>> torch.gt(torch.tensor([[1, 2], [3, 4]]), torch.tensor([[1, 1], [4, 4]]))
tensor([[False, True], [False, False]])
而减号或其他算术运算返回另一个数字