PyTorch中如何让梯度通过min函数传递？

原代码的问题在于：直接用torch.tensor([a, b, c])构造新张量时，会提取带梯度的a的数值，导致新张量脱离原计算图，最终d无法传递梯度给a。

修改方案如下：

• 将整数b、c转换为与a同数据类型、同设备的PyTorch张量（无需设置requires_grad=True，因为它们不需要梯度）
• 使用torch.stack（或torch.cat）将a、b、c的张量组合，确保a的梯度信息被保留在计算图中
• 再对组合后的张量计算最小值

修改后的代码：

import torch

a = torch.tensor([4.], requires_grad=True)
# 将b、c转为与a匹配的tensor
b = torch.tensor(5., dtype=a.dtype, device=a.device)
c = torch.tensor(6., dtype=a.dtype, device=a.device)

# 用stack组合张量，保留梯度信息
d = torch.min(torch.stack([a, b, c]))

# 验证梯度传递
d.backward()
print(a.grad)  # 输出tensor([1.])，说明梯度已成功传递

如果a是标量张量（如示例中的[4.]），也可以简化组合方式：

d = torch.min(torch.tensor([a, b, c], dtype=a.dtype, device=a.device))

这种方式同样能保留a的梯度，因为构造张量时指定了与a一致的类型和设备，且a作为张量元素被直接包含。

内容的提问来源于stack exchange，提问作者learner