Pytorch autograd因＆＃34; RuntimeError失败：差分输入无法访问＆＃34;收集输入后

Question

Pytorch版本0.3.1

编辑：我正在改写这个问题更简单，因为我已经缩小了这个错误。

我有一些变数：

x = ag.Variable(torch.ones(1, 1), requires_grad = True)
y = ag.Variable(torch.ones(1, 1), requires_grad = True)
z = ag.Variable(torch.ones(1, 1), requires_grad = True)

然后我创建一个表示其连接的变量：

w = torch.cat([x, y, z])
f = x + y + z

然后我尝试采取衍生物：

ag.grad(f, x, retain_graph=True, create_graph=True)

这很好，并按预期返回1。 y和z相同。

然而，

ag.grad(f, w, retain_graph=True, create_graph=True)

返回错误：RuntimeError：区分输入无法访问

当然这是有道理的 - 在f的声明中没有明确使用w。但是，我想要一种行为，其中一行代码可以生成类似[1; 1; 1]的输出。

假设我想方便地将我的变量一起批量处理，然后立即采用整个shebang的梯度，而不是独立处理变量（这可能使簿记成为一场噩梦）。有没有办法得到我想要的结果？

Answer 1

这样的事情是否有用，或者你想保留f = x + y + z？

w = torch.cat([x, y, z])
f = w[0] + w[1] + w[2]
print (ag.grad(f, w, retain_graph=True, create_graph=True))

# output (tensor([[ 1.],[ 1.],[ 1.]]),)