tensor的grad参数

---

问题描述

遇到以下代码

loss_data[t] = loss.data.item()  # {'S': 0.9529048204421997}
loss.backward()
grads[t] = []
if list_rep:    
    grads[t].append(Variable(rep_variable[0].grad.data.clone(), requires_grad=False))   
    rep_variable[0].grad.data.zero_()
    

debug模式发现

rep_variable[0].shape
torch.Size([4, 2048, 60, 80]) # encoder得到的feature， 作为decoder的输入，这里直接把rep_variable 视为input
out_t, masks[t] = model[t](rep_variable, None)  # 这里的model是decoder，输出shape为b, n_cls, w/8, h/8
loss = loss_fn[t](out_t, labels[t]) 
loss.backward()

而

rep_variable[0].grad.shape # 这个grad是什么呢？
torch.Size([4, 2048, 60, 80])

这个grad是什么呢？还跟input一个shape ?

可以看到loss tensor没有grad这个参数，但是input有。

---

测试

例子

$a=\left[x_1,x_2\right],b=\frac{x_1+x_2}{2}$
则b对a求导，有:
$\frac{\partial b}{\partial x_1}=\frac{1}{2},\frac{\partial b}{\partial x_2}=\frac{1}{2}$

代码

import torch
a=torch.Tensor([2,3])
a.requires_grad=True

这个时候查看：

a.grad
a.grad.shape

就会报错

Traceback (most recent call last):
  File "/home/lirong/.pycharm_helpers/pydev/_pydevd_bundle/pydevd_exec2.py", line 3, in Exec
    exec(exp, global_vars, local_vars)
  File "", line 1, in <module>
AttributeError: 'NoneType' object has no attribute 'shape'

继续

b=torch.mean(a) 
b.grad
b
tensor(2.5000, grad_fn=<MeanBackward0>)

b是一个标量，可以视为loss，a可以看成input。

调用 loss.backward()

b.backward()

a.grad
tensor([0.5000, 0.5000])

a出现了grad参数

所以grad就是loss对input求导得到的值!