Tensorflow Pyrotch相对于3D输入的梯度

我想为3D输入回归构建sobolev网络

在TensorFlow中，可以使用

tf计算神经网络模型的梯度。梯度

类似：

dfdx，dfdy，dfdz=tf.梯度（pred，[x，y，z]）

设M为5层torch神经网络。 如果X是一组（X，y，z）（3dim数据） M.forward（X）是一个1dim输出

如何计算M.forward（X）相对于X的梯度？比如：

tf.梯度（M.向前（X），X）

如果您想计算此函数的梯度，例如

y_i=5*（x_i+1）² 创建大小为2x1的张量，用需要渐变的1填充

用x张量建立简单线性方程

y = 5 * (x + 1) ** 2

设o为多维方程

o=1/2*和（y_i） 用python

o = (1/2) * torch.sum(y)

你可以用它来计算梯度

o.backward()
x.grad

---

你可以在这里得到更多信息

我想得到神经网络模型的梯度，'你可以得到更多信息

o.backward()
x.grad