在 pytorch 中一般只对叶节点进行梯度计算,也就是下图中的 d, e 节点,而对非叶节点,也即是 c, b 节点则没有显式地去保留其中间计算过程中的梯度(因为一般来说只有叶节点才需要去更新),这样可以节省很大部分的显存,但是在调试过程中,有时候我们需要对中间变量梯度进行监控,以确保网络的有效性,这个时候我们需要打印出非叶节点的梯度,为了实现这个目的,我们可以通过两种手段进行 — 注册hook函数 和 retatin_grad() .
![在a](https://i-blog.csdnimg.cn/blog_migrate/7381025fb0cb7af186f8c073c953d409.png)
.is_leaf:记录是否是叶子节点。通过这个属性来确定这个变量的类型 在官方文档中所说的“graph leaves”, “leaf variables”,都是指像 x, y 这样的手动创建的、而非运算得到的变量,这些变量成为创建变量。 像 z(z=x+y) 这样的,是通过计算后得到的结果称为结果变量。