文档2.3.3 梯度一节中最后一个例子，修改tensor.data不影响梯度吗？

[NoahFeng]

文档2.3.3节中例子：

x = torch.ones(1,requires_grad=True)

print(x.data) # 还是一个tensor
print(x.data.requires_grad) # 但是已经是独立于计算图之外

y = 2 * x
x.data *= 100 # 只改变了值，不会记录在计算图，所以不会影响梯度传播

y.backward()
print(x) # 更改data的值也会影响tensor的值
print(x.grad)

输出：

tensor([1.])
False
tensor([100.], requires_grad=True)
tensor([2.])

这里改变x.data没有改变到x.grad是因为y=2*x吧？ 如果改成y=x**2：

x = torch.ones(1., requires_grad=True)
print(x.data)
print(x.data.requires_grad)

y = x ** 2
x.data *= 100
y.backward()
print(x)
print(x.grad)

输出变成了：

tensor([1.])
False
tensor([100.], requires_grad=True)
tensor([200.])  # 值改变了

文档中所述内容需要怎么理解呢？有点不太明白。

[ShusenTang]

这里这个例子确实举得不太准确。对于x**2，它的导数是2x，所以当x的值（x.data）变了之后导数自然会跟着改变（所以实际上我们很少直接修改x.data）。你只需要记住这样一个事实：x.data是独立在运行图之外的，好好理解下面这个例子即可 这里x2是没有梯度的

[NoahFeng]

感谢解答，理解这里所说的用法了。非常感谢。