下面的代码是关于pytorch的，它是关于派生的，我认为输出是18，但它是4.5，我不知道为什么：
import torch
x = torch.ones(2, 2, requires_grad=True)
y = x + 2
z = y * y * 3
out = z.mean()
out.backward()
print(x.grad)
输出：张量（[[4.5000，4.5000]，[4.5000，4.5000]]）
I think the derivative is 2*3*(1+2), so it should be:
tensor([[18, 18],
[18, 18]])
为什么输出为4.5？有人认为使导数为/ 4的方法是平均值，但是当我执行代码“ print（out）”时，输出为“ tensor（27。，grad_fn =）”，而不是（4.5。，grad_fn =），我是pytorch的新手，所以我不知道它对“ tensor.mean（）”的作用，但是由于“ print（out）”的输出为27，所以我认为没有“ tensor.mean（）”中的“ / 4”过程，所以我不认为它应该在导数计算中包括“ / 4”过程，对吗？（请帮帮我〜）
这是我的看法：
y = x + 2并且z = y * y * 3，因此z为3 * (x+2)^2
接下来，out = z.mean()或者sigma z / n这是sigma z/4因为我们在Z A共4个号码的了。
因此，(3 * (x + 2)^2)/4在x = 1处找到sigma的导数。在x = 1处得出(3/4) * 2(x + 2)4.5
因此，我认为您已经解决了所有问题，但是在最后一步中，您错过了除以4的操作，这是必需的，因为其中有一个mean（）函数。
编辑：由于您对mean（）如何影响输出感到困惑，所以让我们做一个张量[1,2,3,4]的张量，而不是torch.ones()看效果。
x = torch.tensor([1.0,2.0,3.0,4.0], requires_grad=True)
y = x + 2
z = y * y * 3
out = z.mean()
out.backward()
print(x.grad)
这将输出
tensor([4.5000, 6.0000, 7.5000, 9.0000])
怎么样？请记住，我们导出的导数方程为：(3/4) * 2(x + 2)
现在，将x代入1，得到4.500。
然后对于x = 2，您将获得6.000，对于x = 3，您将获得7.500，依此类推。
在前面的示例中，您有四个x = 1的实例，这就是为什么x.grad为[[4.5，4.5]，[4.5，4.5]]的原因
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句