深入浅出Pytorch函数——torch.Tensor.backward

分类目录：《深入浅出Pytorch函数》总目录

相关文章：

· 深入浅出Pytorch函数------torch.Tensor

---

计算当前张量相对于图的梯度，该函数使用链式法则对图进行微分。如果张量不是一个标量（即其数据具有多个元素）并且需要梯度，则函数还需要指定梯度。它应该是一个匹配类型和位置的张量，包含微分函数的梯度。此函数在累积了图中各叶子结点的梯度，在调用它之前，您可能需要使用zero.grad清零属性或将其设置为None。

语法

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

参数

• gradient：[Tensor/None] 相对张量的梯度。如果它是张量，它将自动转换为不需要grad的张量，除非create_graph为True。对于标量或不需要梯度的张量应指定为None。
• retain_graph：[可选, bool] 如果为False，则用于计算梯度的图将被释放。请注意，在几乎所有情况下，都不需要将此选项设置为True，而且通常可以以更有效的方式解决。默认为create_graph的值。
• create_graph：[可选, bool] 如果为True，将构建导数的图，从而可以计算更高阶的导数乘积，默认值为False。
• inputs：[List[Tensor]] 输入张量的梯度将累积为.grad。所有其他张量都将被忽略。如果没有提供，梯度将累积到用于计算的所有叶张量中。