我正试图在Julia中使用mxnet.jl从mxnet主文档中复制以下示例：
A = Variable('A')
B = Variable('B')
C = B * A
D = C + Constant(1)
# get gradient node.
gA, gB = D.grad(wrt=[A, B])
# compiles the gradient function.
f = compile([gA, gB])
grad_a, grad_b = f(A=np.ones(10), B=np.ones(10)*2)
该示例显示如何自动提取symoblic表达式并获取其渐变。
mxnet.jl（最新版本2016-03-07）中的等效内容是什么？
答案 0 :(得分：1)
MXNet.jl/src/symbolic-node.jl中的代码可能有助于您找到答案。
我对这个包不熟悉。
这是我的猜测：
A = mx.Variable("A")
B = mx.Variable("B")
C = B .* A
D = C + 1
如果存在，mx.normalized_gradient可能是其余部分的解决方案。