Pytorch之autograd错误：RuntimeError: grad can be implicitly created only for scalar outputs

此公众号会发表计算机考研（初复试信息）、夏令营等资料，方便考研人对信息的获取，节约自身查找资料的时间，回复408，可获得数据结构、操作系统、计算机网络、计算机组成原理全科资料

---

 

前言

标量是0阶张量(一个数)，是1*1的；
向量是一阶张量，是1*n的；
张量可以给出所有坐标间的关系，是n*n的。
所以通常有人说将张量(n*n)reshape成向量(1*n)，其实reshape过程中并没有发生大的变化。

import torch
x=torch.ones(2,2,requires_grad=True)
print(x)
y=x+2
print(y)
#如果一个张量不是用户自己创建的，则有grad_fn属性.grad_fn 属性保存着创建了张量的 Function 的引用
print(y.grad_fn)
y.backward()
print(x.grad)

运行结果 

可以看到y是一个张量，张量不能使用backward()，需要转化为标量，

当然张量也是可以的，就是需要改动一处代码：

z.backward(torch.ones_like(x))

我们的返回值不是一个标量，所以需要输入一个大小相同的张量作为参数，这里我们用ones_like函数根据x生成一个张量。 个人认为，因为要对x求导数，所以函数y必须是求得的一个值，即标量。然后开始对x，y分别求偏导数。

修改后

import torch
x=torch.ones(2,2,requires_grad=True)
print(x)
y=x+2
print(y)
#如果一个张量不是用户自己创建的，则有grad_fn属性.grad_fn 属性保存着创建了张量的 Function 的引用
print(y.grad_fn)
y.backward(torch.ones_like(x))
print(x.grad)

运行结果