Pytorch中的Variable和variable.backward()

1.Variable

Pytorch在autograd模块中实现了计算图的相关功能，autograd中的核心数据结构是Variable。Variable封装了tensor，并记录对tensor的操作记录用来构建计算图。autograd.Variable主要包含三个属性：

1.data ：保存variable所包含的tensor
2.grad ：保存data对应的梯度，grad也是variable，而不是tensor，它与data形状一致
3.grad_fn ：指向一个Function，记录tensor的操作历史，即它是什么操作的输出，用来构建计算图。

Variable的构造函数需要传入tensor，同时有两个可选参数：
1.requires_grad(bool) ：是否需要对该variable进行求导
2.volatile(bool) ：设置为True，构建在该variable之上的图都不会求导，专为推理阶段设计

2.variable.backward(grad_variables=None,retain_graph=None,create_graph=None)

grad_variables ：形状与variable一致，对于y.backward()，grad_variable可以是tensor或序列

retain_graph ：反向传播的时候需要缓存一些中间结果，反向传播之后，这些缓存就被清空，可通过指定这个参数不清空缓存，用来多次反向传播

create_graph ：对反向传播过程再次构建计算图，可通过backward of backward实现求高阶导数

接下来看看autograd计算的导数和我们手动推导的导数有无区别:
y=x²e^x，它的导函数是:2xe^x + x²e^x

结果完全一致。