如何使用PyTorch计算偏导数？

我想使用 PyTorch 获取输出和输入之间的偏导数。假设我有一个函数Y = 5*x1^4 + 3*x2^3 + 7*x1^2 + 9*x2 - 5，然后我训练一个网络来替换这个函数，然后我使用 autograd 来计算dYdx1, dYdx2:

net = torch.load('net_723.pkl')
x = torch.tensor([[1,-1]],requires_grad=True).type(torch.FloatTensor)
y = net(x)
grad_c = torch.autograd.grad(y,x,create_graph=True,retain_graph=True)[0] 

然后我得到一个错误的导数：

>>>tensor([[ 7.5583, -5.3173]])

但是当我使用函数计算时，我得到了正确的答案：

Y = 5*x[0,0]**4 + 3*x[0,1]**3 + 7*x[0,0]**2 + 9*x[0,1] - 5
grad_c = torch.autograd.grad(Y,x,create_graph=True,retain_graph=True)[0]
>>>tensor([[ 34.,  18.]])

为什么会出现这种情况？

神经网络是一个通用函数逼近器。这意味着，对于足够的计算资源、训练时间、节点等，您可以近似 任何功能.
没有任何进一步的信息how你在第一个例子中训练了你的网络，我怀疑你的网络根本不适合底层功能，这意味着你的网络的内部表示实际上模拟了一个不同的功能!

对于第二个代码片段，自动微分确实为您提供了exact偏导数。它通过不同的方法实现这一点，请参阅我对SO的另一个回答，特别是关于 AutoDiff/Autograd 的主题。