我如何理解不满足柯西赖曼方程的复杂函数的梯度

让我们假设我的函数是 (z : C -> C)

z = x - i*y

现在真正的部分是，

u(x,y) = x

虚部是，

v(x,y) = -y

所以，当我们得到导数时，我们发现

d_u_x(x,y) = 1 # derivative of u wrt x
d_u_y(x,y) = 0
d_v_x(x,y) = 0
d_v_y(x,y) = -1

所以，在这里，

d_u_x != d_v_y

因此，它不遵循柯西赖曼方程。

但是，然后是 Wirtinger 演算，也就是说，我可以将我的函数写为，

u(x,y) = ((x + iy) + (x - iy))/2
        =  (z + z.conj())/2
v(x,y) = (((x + iy) - (x - iy))/2i
        = (z - z.conj())/2i

但是在此之后，我如何找到渐变。另外，在 PyTorch 中，指定这样一个函数的正确方法是什么，如果我这样做，

import torch
a = torch.randn(1,dtype=torch.cfloat,requires_grad=True)
f = a.conj()
f.backward()
print(a.grad)

这是正确的方法吗？

您可能会发现以下感兴趣的页面：

当您使用 PyTorch 来区分具有复杂域和/或共域的任何函数 f(z) 时，梯度是在假设该函数是更大实值损失函数 {{ 1}}。计算的梯度为g(input)=L（注意∂L/∂z*的共轭），其负值正是梯度下降算法中使用的最速下降方向。因此，所有现有的优化器都可以使用复杂的参数开箱即用。
此约定与 TensorFlow 的复杂微分约定相匹配，但与 JAX（计算 z）不同。
如果您有一个内部使用复杂运算的实对实函数，则此处的约定无关紧要：您将始终获得与仅使用实数实现相同的结果操作。

...

对于优化问题，研究界仅使用实值目标函数，因为复数不是任何有序域的一部分，因此具有复值损失没有多大意义。

事实证明，没有有趣的实值目标满足柯西-黎曼方程。所以同态函数理论不能用于优化，因此大多数人使用Wirtinger演算。