自动求导的

requires_grad=True  #梯度存在什么地

x.grad    #y关于x的导数存在地址

x.grad.zero()   #清空梯度

autograd.grad()

autograd.grad(outputs, inputs, grad_outputs=None, retain_graph=None, create_graph=False, only_inputs=True, allow_unused=False)

outputs: 求导的因变量（需要求导的函数）

inputs: 求导的自变量

grad_outputs:  如果 outputs为标量，则grad_outputs=None,也就是说，可以不用写;  如果outputs 是向量，则此参数必须写，不写将会报错误：

https://blog.csdn.net/waitingwinter/article/details/105774720

import torch

# 定义a b c x的值，abc指定为需要求导requires_grad=True
x = torch.tensor(2.)
a = torch.tensor(1., requires_grad=True)
b = torch.tensor(2., requires_grad=True)
c = torch.tensor(3., requires_grad=True)
# 定义y函数
y = a * x ** 2 + b * x + c;
# 使用autograd.grad自定求导
grads = torch.autograd.grad(y, [a, b, c])
# 打印abc分别的导数值（带入x的值）
print(grads)
print('after', grads[0],grads[1],grads[2])