level 1
tzp_1210
楼主
x = torch.ones(1,requires_grad=True)
print(x.data) # 还是一个tensor
print(x.data.requires_grad) # 但是已经是独立于计算图之外
y = 2 * x * x
x.data *= 100 # 只改变了值，不会记录在计算图，所以不会影响梯度传播
y.backward()
print(x) # 更改data的值也会影响tensor的值
print(x.grad)
这一段代码的输出是
tensor([1.])
False
tensor([100.], requires_grad=True)
tensor([202.])
请教一下202是如何求得的？
2020年08月29日 21点08分
1
print(x.data) # 还是一个tensor
print(x.data.requires_grad) # 但是已经是独立于计算图之外
y = 2 * x * x
x.data *= 100 # 只改变了值，不会记录在计算图，所以不会影响梯度传播
y.backward()
print(x) # 更改data的值也会影响tensor的值
print(x.grad)
这一段代码的输出是
tensor([1.])
False
tensor([100.], requires_grad=True)
tensor([202.])
请教一下202是如何求得的？