在pytorch中，y.backward的含义（[0.1,1.0,0.0001]）

在皮托克

y.backward（[0.1,1.0,0.0001]）的含义是什么

我理解
y.backward（）
意味着进行反向传播。
但是
[0.1,1.0,0.0001]
在
y.backward（[0.1,1.0,0.0001]）
中的
[0.1,1.0,0.0001]是什么意思？
表达式
y.backward（[0.1,1.0,0.0001]）
实际上是错误的。它应该是
y.backward（火炬张量（[0.1,1.0,0.0001]）
，其中
火炬张量（[0.1,1.0,0.0001]）
是计算导数的变量


示例：

x=变量（torch.ones（2,2），需要_grad=True）
y=（x+2）.mean（）
y、 向后（火炬张量（[1.0]））
打印（x.grad）

这里，
y=（x+2）/4
因此，
dy/dx_i=0.25
因为
x_i=1.0
。还要注意，
y.backward（torch.Tensor（[1.0]）
和
y.backward（）
是等效的

如果您这样做：

y.向后（火炬张量（[0.1]））
打印（x.grad）

它打印：

变量包含：
1.00000e-02*
2.5000  2.5000
2.5000  2.5000
[火炬.尺寸为2x2的浮标张量]

它只是
0.1*0.25=0.025
。那么，现在如果你计算：

y.backward（火炬张量（[0.1,0.01]））
打印（x.grad）

然后打印：

变量包含：
1.00000e-02*
2.5000  0.2500
2.5000  0.2500
[火炬.尺寸为2x2的浮标张量]

其中，
dy/dx_11=dy/d_x21=0.025
和
dy/dx_12=dy/d_x22=0.0025

请参见的功能原型。你可以考虑看这个问题。
第一，它不是<代码> y-向后（（0.1，1，0.0001）< /代码>，因为在PyTrk中，任何参数都应该是<代码>张量< /代码>。所以正确的一个应该是代码> y-向后（火炬。张量（[ 0.1，1，0.0001 ]，dType =火炬。浮标）< <代码>）。
使用此处的链接检查文档
其次，这个
torch.tensor（[0.1,1.0,0.0001]，dtype=torch.float）
创建一个包含3个元素的一维张量。代码
y.backward（torch.tensor（[0.1,1.0,0.0001]）
实际上是用
y
计算向量积。这是输出为向量时的自动标记。我们无法获得向量的梯度，我们需要将该向量转换为定标器。梯度参数是将该向量转换为定标器的权重

例如，输入：x=[x1，x2，x3]，操作：y=2*x=[2*x1,2*x2,2*x3]

然后，我们不能得到dy/dx。如果我们有y.backward（torch.tensor（[0.1,1,0.001]），这意味着我们有另一个变量：output=torch.sum（y*[0.1,1,0.001]）=0.2*x1+2*x2+0.002*x3。

然后，我们可以得到d（out）/dx，d（out）/dx将存储在x.grad中。在我们的示例中，x.grad=[d（out）/dx1，d（out）/dx2，d（out）/dx3]=[0.2,2,0.002]