Pythorch自动加载在收集输入后失败，并显示“RuntimeError:Differentied input is unreachable”（运行时错误：无法访问差异化输入）

Question

Pythorch 0.3.1版

编辑：我把这个问题改写得更简单，因为我已经缩小了bug的范围。在

我有一些变量：

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)

然后创建一个变量来表示它们的连接：

^{pr2}$

然后我试着用导数：

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

这很好，并按预期返回1。y和z也是一样的

但是

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

返回错误：RuntimeError:无法访问差异化输入

当然这是有意义的-w在f的声明中没有显式使用。但是，我希望一行代码可以生成类似[1; 1; 1]的输出。在

假设我想方便地将我的变量批处理在一起，然后一次获取整个shebang的梯度，而不是独立地处理变量（这会使簿记成为一场噩梦）。有什么办法能得到我想要的结果吗？在

Answer 1

像这样的操作是有效的还是您想保留f = x + y + z？在

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.]]),)