Tensorflow 张量流梯度带解释

我试图理解tensorflow tf.gradientTape中的API

以下是我从官方网站上获得的代码：

x = tf.constant(3.0)
with tf.GradientTape(persistent=True) as g:
  g.watch(x)
  y = x * x
  z = y * y
dz_dx = g.gradient(z, x)  # 108.0 (4*x^3 at x = 3)
dy_dx = g.gradient(y, x)  # 6.0

我想知道他们是怎么把dz_dx变成108和dy_dx变成6的

我还做了另一个测试，如下所示：

x = tf.constant(3.0)
with tf.GradientTape(persistent=True) as g:
  g.watch(x)
  y = x * x * x
  z = y * y
dz_dx = g.gradient(z, x)  # 1458.0 
dy_dx = g.gradient(y, x)  # 6.0

---

这次dz_dx变成了1458，我根本不知道为什么。有专家能告诉我是怎么计算的吗

从

y=x*x

，我们可以得到

dy/dx=2*x

。从

z=y*y

，我们得到了

dz/dy=2*y

。根据链式规则，

dz/dx=（dz/dy）*（dy/dx）=（2*y）*（2*x）=（2*x*x）*（2*x）=108

<代码>dy/dx=2*x=6。与第二个示例的推导相同。顺便说一句，在第二个例子中，

dy/dx

应该是27而不是6