pytorch.backward()

pytorch.backward()

举例上手y=w*x，自动求导

import torch
from torch.autograd import Variable
x=Variable(torch.Tensor([2]))
y=Variable(torch.Tensor([10]))
w = Variable(torch.randn(1),requires_grad = True)
print(w)
loss=torch.nn.MSELoss()
optimizer=torch.optim.Adam([w],lr=0.05)
for i in range(1000):
    optimizer.zero_grad()
    y_=w*x
    lo=y-y_
    lo.backward()
    optimizer.step()
    if lo.item()<0.1:
        print(lo)
        print(w.grad.data)
        print(w)
        break

①首先定义输入x和标签y，以及随机初始的w。loss选l2，adam优化。
②计算初始化的y_与真实y的差值
③计算相应的损失
④backward自动求导，
⑤判断梯度的正负情况，反方向optimizer.step()按照lr自动更新w权重
⑥迭代N次，满足条件跳出。