由于Pytorch中的比较运算符，梯度无法反向传播。
我的代码是：
x=torch.tensor([1.0,1.0], requires_grad=True)
print(x)
y=(x>0.1).float().sum()
print(y)
y.backward()
print(x.grad)它给出一个错误：
RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn但是，如果我将〉改为+，它就可以工作了。我如何在比较运算符中反向传播梯度？
2条答案
按热度按时间uemypmqf1#
因为函数是不可微的，事实上它甚至不是连续的。
看看这个
https://math.stackexchange.com/questions/2783108/continuous-discontinuous-differential-and-non-differentiable-function-graph-pro
juzqafwq2#
不可能计算跨比较运算符的梯度，因为
（x〉y）.float（）等于step（x-y）.由于step函数在x=/0处的梯度为0，在x=0处的inf，因此它是无意义的。：（