【Pytorch】2 Autograd 自动微分

示例一：简单求导

求导列出out方程，对x，y进行求导。

require_grad：某一tensor设为True则代表该变量被跟踪，即加入Tensor计算图中，相当于数学中被视为变量x，可用于求导。

out.backward：代表out方程式对requires_grad = True的Tensor进行求导，求取梯度。

x.grad：在out.backward()调用x.grad可获取x的梯度，这是一个张量。

import torch

x = torch.ones(2, 2, requires_grad=True)
y = torch.ones(2, 2) * 2
y.requires_grad_()
print(x)
print(y)

z = 3 * (x + 2 * y + 2) ** 2
out = z.mean()
out.backward()
print(x.grad)
print(y.grad)