pytorch自动求导的疑问

如pytorch的自动求导框架，在求loss层的时候，一般都是一个矩阵到张量（loss）的映射，而且这一层一般都是没有需要学习的参数。但是这里还是会有许多操作，如sum，mean…等操作。我的疑问是：误差反向传播我并没有写，这里是不是就是pytorch的自动求导功能。2. 在求loss的操作中，只能用torch.sum()，torch.mean()等pytorch自带的操作，能否用numpy的操作代替。

代码

import torch
from torch.autograd import Variable
import numpy as np

def csum(input):
    # res = input.sum()
    npinput = input.detach().numpy()
    res = np.sum(npinput)
    res = torch.FloatTensor([res])
    return res

data = torch.randn((5, 5), requires_grad=True)

res = csum(data)
res.backward()
print(data.grad)

报错：RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn
要有grad_fn属性，所以用numpy实现操作的时候，需要自己实现误差的反向传播