练习6.2.2 在我们创建的Conv2D自动求导时，有什么错误消息？

[SeeseeYep]

RuntimeError: grad can be implicitly created only for scalar outputs

"""
PyTorch的backward参数, 默认是标量参数。因此如果计算非张量的梯度输出，需要使用
一个张量作为梯度参数, 用于存储各个元素梯度参数
"""

torch.conv2d 默认输入为 4维 code as:

X = torch.randn(size=(8 ,8))
conv2d_layer = Conv2D(kernel_size=(2, 2))

get grtadients

set auto gradients for x

X.requires_grad = True
output = conv2d_layer(X)

compute gradients

print(output)

#运行报错

output.backward()

assess gradients

print("the gradients of weights :", conv2d_layer.weight.grad)

#解决方法

假设output是卷积操作的输出，它是一个矩阵

创建一个与output形状相同的张量，并将其所有元素设置为1

grad_output = torch.ones_like(output)

调用backward并传递grad_output作为参数

output.backward(grad_output)

现在，可以正确地评估权重和偏差的梯度

print("the gradients of weights :", conv2d_layer.weight.grad)
print("the gradients of bias :", conv2d_layer.bias.grad)