pytorch自定义操作层，正向和反向

torch 自定义操作层， 前向和反向过程

在torch中定义正向一定要注意是否使用Variable
比如，在定义层的forward中
正确定义是这样的：

    def forward(self, infeature):
        infeature = infeature.reshape(self.inshape[1], self.inshape[2]) / self.p_pixel_num
        infeature = torch.mm(infeature, self.pooling).reshape(self.outshape)
        return infeature

错误定义如下：

    def forward(self, feature):
        infeature = infeature.reshape(self.inshape[1], self.inshape[2]) / self.p_pixel_num
        infeature = torch.mm(infeature, self.pooling).reshape(self.outshape)
        outfinfeature= Variable(infeature)
        return outf

使用错误定义会导致梯度传播时，梯度数据为None，且之后的所有梯度为None
原因是添加了Variable，导致梯度不能传播。、

在反向计算中，如果在正向中全部使用的是torch接口，则不需要自己写反向过程。
如果在正向使用自定义操作， 则需要自定义反向过程。具体反向过程定义和正向定义类似。
如有其他相关问题：