我正在尝试理解PyTorch的反向传播是如何工作的，使用了以下代码。

结果是tensor(0.3679)，符合预期，这是1 / x，即log(x)对x的导数，其中x = numpy.e。然而，如果我不重新赋值x，再次运行最后三行，即执行

y = torch.log(x)y.backward()print(x.grad)

那么我会得到tensor(0.7358)，这是之前结果的两倍。为什么会发生这种情况？

回答：

梯度会一直累积直到被清除。从文档中（强调是我的）:

这个函数会在叶节点累积梯度 – 你可能需要在调用它之前将它们清零。

这种清零可以通过x.grad.zero_()来完成，或者在使用torch.optim.Optimizer时，使用optim.zero_grad()。