为什么每次向后传播函数，火炬梯度都会线性增加？

Question

我试图了解火炬反向传播的工作原理，并编写了以下代码。

import torch
import numpy
x = torch.tensor(numpy.e, requires_grad=True)
y = torch.log(x)
y.backward()
print(x.grad)

[结果为tensor(0.3679)，正如预期的那样，为1 / x，它是log（x）w.r.t x的导数，其中x = numpy.e。但是，如果我复制了最后3行而没有重新分配x，即[]

y = torch.log(x)
y.backward()
print(x.grad)
另一时间，我将得到tensor(0.7358)，这是先前结果的两倍。为什么会这样？

我试图了解火炬反向传播的工作原理，并编写了以下代码。 import torch import numpy x = torch.tensor（numpy.e，require_grad = True）y = torch.log（x）y.backward（）print（x ....

Answer 1

累积渐变直到清除。从the docs（强调我的）：