Pytorch torch.Tensor.backward（）是如何工作的？

我最近研究了Pytorch和backward函数的包。 我知道如何使用它，但当我尝试

x = Variable(2*torch.ones(2, 2), requires_grad=True)
x.backward(x)
print(x.grad)

我想

tensor([[1., 1.],
        [1., 1.]])

因为它是一个身份函数。然而，它又回来了

tensor([[2., 2.],
        [2., 2.]]).

---

为什么会发生这种情况？

事实上，这就是您要寻找的：

情况1:z=2*x**3+x时

import torch
from torch.autograd import Variable
x = Variable(2*torch.ones(2, 2), requires_grad=True)
z = x*x*x*2+x
z.backward(torch.ones_like(z))
print(x.grad)

输出：

tensor([[25., 25.],
        [25., 25.]])

tensor([[4., 4.],
        [4., 4.]])

tensor([[1., 1.],
        [1., 1.]])

案例2：当z=x*x时

x = Variable(2*torch.ones(2, 2), requires_grad=True)
z = x*x
z.backward(torch.ones_like(z))
print(x.grad)

输出：

tensor([[25., 25.],
        [25., 25.]])

tensor([[4., 4.],
        [4., 4.]])

tensor([[1., 1.],
        [1., 1.]])

案例3：当z=x时（您的案例）

输出：

tensor([[25., 25.],
        [25., 25.]])

tensor([[4., 4.],
        [4., 4.]])

tensor([[1., 1.],
        [1., 1.]])

---

要了解更多如何在pytorch中计算梯度，请检查。

我想您误解了如何使用

张量.backward（）。
backward（）
中的参数不是dy/dx的x

例如，如果通过某种操作从x得到y，则
y.backward（w）
，首先pytorch将得到
l=dot（y，w）
，然后计算
dl/dx
。
因此，对于您的代码，
l=2x
首先由pytorch计算，然后
dl/dx
是您的代码返回的值

当您执行
y.backward（w）
时，如果y不是标量，只需将
backward（）
的参数设置为满1；否则就没有参数。
所以我猜向后（）中张量的形状指定了输出的形状。尺寸的作用是什么？仅仅是一个乘法？这相当于
dy_dx=grad（输出=y，输入=x，grad_输出=torch.one像（y））
你在上面传递的是x，它是张量（[[2,2.]，[2,2.]））