pytorch之backward(）

torch.Tensor
backward(gradient=None, retain_graph=None, create_graph=False)

使用链规则区分图表。如果张量是非标量的（即其数据具有多个元素）并且需要梯度，则该函数还需要指定gradient。它应该是匹配类型和位置的张量，它包含差分函数wrt的梯度self。

此函数在叶子中累积渐变 - 您可能需要在调用之前将它们归零。

参数：
渐变（Tensor或None） - 渐变与张量相关。如果是张量，它将自动转换为不需要grad的Tensor，除非create_graph是True。对于标量张量或不需要grad的值，不能指定任何值。如果None值是可接受的，则此参数是可选的。
retain_graph（bool，optional） - 如果False，用于计算梯度的图形将被释放。请注意，几乎在所有情况下都不需要将此选项设置为True，并且通常可以以更有效的方式解决此问题。默认值为 create_graph。
create_graph（bool，optional） - 如果True，将构造衍生图，允许计算更高阶的衍生产品。默认为False。
detach（）
返回与当前图形分离的新Tensor。

结果永远不需要渐变。