为何PyTorch计算球坐标系度量张量雅可比矩阵恒为零？

你代码中雅可比矩阵全为零的核心原因是：metric_tensor函数里用torch.tensor()直接包裹混合普通浮点数（如1.、0.）和输入依赖张量（如r**2）的列表，切断了输出张量与输入coord的计算图连接。

当你将r**2（带梯度的张量）和1.（纯Python浮点数）放入同一列表并传给torch.tensor()时，PyTorch会创建一个全新的张量，其中的元素只是原数据的副本，并未保留与输入coord的梯度追踪关系，导致自动微分无法计算非零导数。

由于球坐标系的度量张量是对角矩阵，推荐两种保留计算图的实现方式：

方式1：用torch.diag构建对角矩阵 #

# initial coordinates
r0, theta0, phi0 = (3., torch.pi/2, 0.1)
coord = torch.tensor([r0, theta0, phi0], requires_grad=True)
print("r, theta, phi coordinates: ",coord.data)

def metric_tensor(coords):
    r = coords[0]
    theta = coords[1]
    # 显式用张量形式定义所有对角元素，保留梯度连接
    diag_elements = torch.stack([
        torch.tensor(1.0, device=coords.device, dtype=coords.dtype),
        r ** 2,
        r ** 2 * torch.sin(theta) ** 2
    ])
    return torch.diag(diag_elements)

jacobian = torch.autograd.functional.jacobian(metric_tensor, coord, create_graph=True)
print(jacobian)

方式2：初始化零矩阵后填充元素 #

# initial coordinates
r0, theta0, phi0 = (3., torch.pi/2, 0.1)
coord = torch.tensor([r0, theta0, phi0], requires_grad=True)
print("r, theta, phi coordinates: ",coord.data)

def metric_tensor(coords):
    r = coords[0]
    theta = coords[1]
    # 创建与输入同设备、同 dtype 的零矩阵
    g = torch.zeros((3,3), device=coords.device, dtype=coords.dtype)
    g[0,0] = 1.0
    g[1,1] = r**2
    g[2,2] = r**2 * torch.sin(theta)**2
    return g

jacobian = torch.autograd.functional.jacobian(metric_tensor, coord, create_graph=True)
print(jacobian)

修正后的代码会输出非零的雅可比矩阵，例如：

• g[1,1]对r的导数为2r
• g[2,2]对r的导数为2r*sin²θ，对theta的导数为2r²*sinθ*cosθ

这些导数会正确体现在雅可比矩阵的对应位置。

内容的提问来源于stack exchange，提问作者JS4137