Dive-into-DL-PyTorch
Dive-into-DL-PyTorch copied to clipboard
ShusenTang
关于2.3_autograd.md中修改tensor.data的值不会影响反向传播
修改tensor.data的值不会影响反向传播，有点不太懂？
如果y=x^2，此时修改x.data的值，会影响x.grad的值，不知道这个地方怎么理解？
这应该不是bug。y = x^2, y对x求导得2x，所以把x的data乘以100的话最后导数也会乘以100.
如果我们想要修改tensor的数值，但是又不希望被autograd记录（即不会影响反向传播），那么我么可以对tensor.data进行操作。
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)
不太理解“不会影响反向传播”是什么意思，感觉是修改了tensor的数值，但是该值的倒数grad不会改变？但是实际上x.data的值改了之后，x.grad也会改变，这算不算影响反向传播。
Unscribe. I dont want your e. mejl
Den tis 29 okt. 2019 12:49zhkuo [email protected] skrev:
修改tensor.data的值不会影响反向传播，有点不太懂？ 如果y=x^2，此时修改x.data的值，会影响x.grad的值，不知道这个地方怎么理解？ [image: image] https://user-images.githubusercontent.com/9025284/67764448-f421e580-fa84-11e9-8e1f-ccbdb0fca407.png [image: image] https://user-images.githubusercontent.com/9025284/67764525-259ab100-fa85-11e9-9d62-034d4b79e2f8.png
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/ShusenTang/Dive-into-DL-PyTorch/issues/55?email_source=notifications&email_token=AMMV2XXRSVO4XMDC4XDHVALQRAPLTA5CNFSM4JGHLFP2YY3PNVWWK3TUL52HS4DFUVEXG43VMWVGG33NNVSW45C7NFSM4HVA5XAQ, or unsubscribe https://github.com/notifications/unsubscribe-auth/AMMV2XRN5KB3MOMFJ55QI7LQRAPLTANCNFSM4JGHLFPQ .
我也发现这个问题了，而且x.data = 100 在y=x^2之前和之后得到的结果也不一样： x.data = 100 在y=2x^2之前： import torch x = torch.ones(1,requires_grad=True) 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 = 2xx y.backward() print(x) # 更改data的值也会影响tensor的值 print(x.grad) 结果为： tensor([100.], requires_grad=True) tensor([400.]) 这说明x.data变化也会影响x.grad，是否和原文中的不影响反向传播冲突了？
x.data = 100 在y=2x^2之后： import torch x = torch.ones(1,requires_grad=True) y = 2xx 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) 结果为： tensor([100.], requires_grad=True) tensor([202.]) 不清楚x.grad=202是怎么计算出来的?
你是不是发错邮件了
发自我的iPhone
------------------ 原始邮件 ------------------ 发件人: myjxm <[email protected]> 发送时间: 2019年11月30日 23:10 收件人: ShusenTang/Dive-into-DL-PyTorch <[email protected]> 抄送: Subscribed <[email protected]> 主题: 回复：[ShusenTang/Dive-into-DL-PyTorch] 关于2.3_autograd.md中修改tensor.data的值不会影响反向传播 (#55)
我也发现这个问题了，而且x.data = 100 在y=x^2之前和之后得到的结果也不一样： x.data = 100 在y=2x^2之前： import torch x = torch.ones(1,requires_grad=True) 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 = 2xx y.backward() print(x) # 更改data的值也会影响tensor的值 print(x.grad) 结果为： tensor([100.], requires_grad=True) tensor([400.]) 这说明x.data变化也会影响x.grad，是否和原文中的不影响反向传播冲突了？
x.data = 100 在y=2x^2之后： import torch x = torch.ones(1,requires_grad=True) y = 2xx 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) 结果为： tensor([100.], requires_grad=True) tensor([202.]) 不清楚x.grad=202是怎么计算出来的?
— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub, or unsubscribe.
我想去官网搜一下，但并搜不到 tensor.data，官网上 Tensor 类底下只介绍了各种方法，而有一个 Tensor Attributes 的页面下也没有介绍 tensor.data。
