Python 为什么'；t torch.autograd在这种情况下计算梯度？

在这种情况下，torch.autograd为什么不计算梯度

import torch
x = torch.tensor([1., 2., ], requires_grad=True)
y = torch.tensor([x[0] + x[1], x[1] - x[0], ], requires_grad=True)
z = y[0] + y[1]
z.backward()
x.grad

输出为空行（无）。对于

x[0]。grad

，也会发生同样的情况。为什么?

---

PS：回想起来，我意识到用

requires\u grad

制作

y

张量的动机是为了检查它自己的梯度。我学会了在这里必须使用

retain_grad

：当你使用

torch.tensor

表示

y

时，它只使用

x

的值初始化张量，梯度链丢失

这项工作：

x = torch.tensor([1., 2., ], requires_grad=True)
y = [x[0] + x[1], x[1] - x[0], ]
z = y[0] + y[1]
z.backward()
x.grad

---

结果是张量（[0,2.]）

谢谢。现在回想起来，我意识到把y变成一个带有requires_grad的张量的动机是为了检查它自己的梯度。我学到了在这里必须使用retain_grad：