PyTorch中关于backward、grad、autograd的计算原理的深度剖析

PyTorch中Tensor的详细说明

PyTorch中所有的计算其实都可以回归到Tensor上，所以有必要重新认识一下Tensor。如果我们需要计算某个Tensor的导数，那么我们需要设置其参数.requires_grad属性为True。

在PyTorch中torch()的官方解释如下：

torch()
Type:        module
String form: <module 'torch' from '/usr/local/lib/python3.7/site-packages/torch/__init__.py'>
File:        /usr/local/lib/python3.7/site-packages/torch/__init__.py
Docstring:  
The torch package contains data structures for multi-dimensional
tensors and mathematical operations over these are defined.
Additionally, it provides many utilities for efficient serializing of
Tensors and arbitrary types, and other useful utilities.

在PyTorch中，我们自己定义的变量，我们称之为叶子节点(leaf nodes)，而基于叶子节点得到的中间或最终变量则可称之为结果节点。例如下面例子中的 $x$ 则是叶子节点，$y$ 则是结果节点。

import torch
x = torch.rand(3, requires_grad=True)  # 创建自变量x,并赋值为3
y = x**2  # 创建中间/结果变量
z = x + x  # 创建中间/结果变量

另外一个Tensor中通常会记录如下图中所示的属性：

• data: 即存储的数据信息。
• requires_grad: 设置为True，则表示该Tensor需要求导。
• grad: 该Tensor的梯度值， 每次在计算backward时都需要将前一时刻的梯度归零，否则梯度值会一直累加。
• grad_fn: 用于指示梯度函数是哪种类型，叶子节点通常为None，只有结果节点的grad_fn才有效。例如：上面示例代码中的 y.grad_fn=<PowBackward0 at 0x213550af048>, z.grad_fn=<AddBackward0 at 0x2135df11be0>
• is_leaf: 用来指示该Tensor是否是叶子节点。

参数requires_grad 的含义及标志位说明：

1. 如果对于某Variable 变量 x ，其 x.requires_grad == True , 则表示它可以参与求导，也可以从它向后求导。默认情况下，一个新的Variables 的 requires_grad 和 volatile 都等于 False 。
2. requires_grad == True 具有传递性，例如：
   x.requires_grad == True ，y.requires_grad == False ， z=f(x,y)
   则， z.requires_grad == True。
3. 凡是参与运算的变量（包括 输入量，中间输出量，输出量，网络权重参数等），都可以设置 requires_grad 。
4. volatile==True 就等价于 requires_grad==False 。 volatile==True 同样具有传递性。一般只用在inference（推理）过程中。 若是某个过程，从 x 开始都只需做预测，不需反传梯度的话，那么只需设置x.volatile=True ，那么 x 以后的运算过程的输出均为 volatile==True ,即 requires_grad==False 。
   由于inference 过程不必backward()，所以requires_grad 的值为False 或 True，对结果是没有影响的，但是对程序的运算效率有直接影响；因此，在inference过程中，使用volatile=True ，就不必把运算过程中所有参数都手动设一遍requires_grad=False 了，方便快捷 。
5. detach() ：如果 x 为中间输出，x’ = x.detach 表示创建一个与 x 相同，但requires_grad==False 的variable，(实际上是把x’ 以前的计算图 grad_fn 都消除了)，x’ 也就成了叶节点。原先反向传播时，回传到x时还会继续，而现在回到x’处后，就结束了，不继续回传求到了。另外值得注意，x (variable类型) 和 x’ (variable类型)都指向同一个Tensor ,即 x.data，因此，detach_() 表示不创建新变量，而是直接修改 x 本身。
6. retain_graph：每次 backward() 时，默认会把整个计算图free掉。一般情况下是每次迭代，只需一次 forward() 和一次 backward() ，前向运算forward() 和反向传播backward()是成对存在的，一般一次backward()也是够用的。但是不排除，由于自定义loss等的复杂性，需要一次forward()之后，通过多个不同loss的backward()来累积同一个网络的grad，进行参数更新。于是，若在当前backward()后，不执行forward() 而可以执行另一个backward()，需要在当前backward()时，指定保留计算图，即backward(retain_graph)。
   \quad
   create_graph ，这个标志位暂时还未深刻理解，等之后再更新。
   参考链接：Pytorch的backward()相关理解

典型示例：

x = torch.tensor(1.0, requires_grad = True)  # 叶子节点，equires_grad = True表示我们需计算Tensor的导数
y = torch.tensor(2.0, requires_grad = True)  # 叶子节点
z = x**2 + y  # 结果节点
z.backward()  # 反向传播求导数

print(z)  # 输出结果节点
print(x.grad_fn)  # 指示梯度函数是哪种类型，叶子节点通常为None，只有结果节点的grad_fn才有效
print(y.grad_fn)
print(z.grad_fn)
>>> 
tensor(3., grad_fn=<AddBackward0>)
None
None
<AddBackward0 object at 0x122e00c10>

典型示例——说明备注：
\quad

1. 如果$z$ 是一个标量，当调用它的backward方法后会根据 ”链式求导法则“ 自动计算出各叶子节点的梯度值。
2. 如果$z$ 是一个向量或者是一个矩阵的情况，此时该怎么计算梯度呢？这种情况我们需要定义grad_tensor来计算矩阵的梯度。

PyTorch中backward计算机制详解

backward构建计算图过程

pytorch是动态图机制，所以在训练模型时候，每迭代一次都会构建一个新的计算图。而计算图实质表征了程序中各变量之间的运算关系。举个列子：若 $y=(a+b)(b+c)$，则在这个运算过程会建立出如下的计算图：

在这个计算图中， 节点就是参与运算的变量，在pytorch中是用Variable()变量来包装的；而图中的 边就是变量之间的运算关系，比如：torch.mul()，torch.mm()，torch.div() 等等。

备注：
上图中的 leaf_node——叶子节点：就是由用户自己创建的Variable变量，在这个图中仅有a，b，c 是 leaf_node。
\quad
pytoch构建的计算图是动态图，为了节约内存，所以每次一轮迭代完也即是调用了一次backward函数计算之后，计算图就被在内存释放，因此如果你需要多次backward只需要在第一次反向传播时候添加一个参数retain_graph=True标识，让计算图不被立即释放。实际上文档中retain_graph和create_graph两个参数作用相同，因为前者是保持计算图不释放，而后者是创建计算图，因此如果我们不想要计算图释放掉，将任意一个参数设置为True都行。

为什么我们需要关注leaf_node？
因为在网络backward时候，需要用链式求导法则求出网络最后输出的梯度，然后再对网络进行优化，如下就是网络的求导过程。

通过观察上面的计算图可以发现一个很重要的点：

pytorch在利用计算图求导的过程中根节点都是一个标量（即一个数）。然而，当根节点（即：函数的因变量）为一个向量的时候，会构建多个计算图对该向量中的每一个元素分别进行求导。由此引出了关于Tensor为向量（矩阵）时，计算对叶子节点向量（矩阵）的导数的计算原理和PyTorch实现方法。

关于Tensor为向量（矩阵）时，计算对叶子节点向量（矩阵）的导数的计算原理和PyTorch实现方法

结合上面两节的分析，可以发现，pytorch在求导的过程中，分为下面两种情况：

如果是标量对向量求导(scalar对tensor求导)，那么就可以保证上面的计算图的根节点只有一个，此时不用引入grad_tensors参数，直接调用backward函数即可
如果是(向量)矩阵对(向量)矩阵求导(tensor对tensor求导)，实际上是先求出Jacobian矩阵中每一个元素的梯度值(每一个元素的梯度值的求解过程对应上面的计算图的求解方法)，然后将这个Jacobian矩阵与grad_tensors参数对应的矩阵进行对应的点乘，得到最终的结果。

参考链接：
pytorch中backward()函数详解
pytorch的计算图

backward函数介绍及使用

PyTorch官方文档中关于backward( )函数解释如下图，官方网址链接：backward()

创建一个Tensor时，使用requires_grad参数指定是否记录对其的操作，以便之后利用backward()方法进行梯度求解。

backward()函数接受参数，表示在特定位置求梯度值，该参数应和调用backward()函数的Tensor的维度相同，或者是可broadcast的维度。默认为torch.tensor(1)，也就是在当前梯度为标量1的位置求叶子Tensor的梯度。

• 默认同一个运算得到的Tensor仅能进行一次backward() 。再次运算得到的Tesnor，可以再次进行backward()。
• 当多个Tensor从相同的源Tensor运算得到，这些运算得到的Tensor的backwards()方法将向源Tensor的grad属性中进行数值累加。

参考链接：PyTorch的学习笔记02 - backward( )函数
backward只能被应用在一个标量上，也就是一个一维tensor，或者传入跟变量相关的梯度。backward里传入的参数是每次求导的一个系数。 特别注意： Variable里面默认的参数requires_grad=False，所以这里我们要重新传入requires_grad=True让它成为一个叶子节点。

我们先看一下源代码中backward的接口是如何定义的：

torch.autograd.backward(
		tensors, 
		grad_tensors=None, 
		retain_graph=None, 
		create_graph=False, 
		grad_variables=None)
		
Docstring:
Computes the sum of gradients of given tensors w.r.t. graph leaves.

参数说明：

• tensors: 用于计算梯度的tensor。也就是说 这两种方式是等价的 ：torch.autograd.backward(z) == z.backward()
• grad_tensors: 在计算矩阵的梯度时会用到。grad_tensors其实也是一个tensor，它的shape一般需要和前面的tensor保持一致。 该参数的具体实例见下面实例001所示。
• retain_graph: 通常在调用一次backward后，pytorch会自动把计算图销毁，所以要想对某个变量重复调用backward，则需要将该参数设置为True。
• create_graph: 当设置为True的时候可以用来计算更高阶的梯度
• grad_variables: 这个官方说法是grad_variables’ is deprecated. Use ‘grad_tensors’ instead.也就是说这个参数后面版本中应该会丢弃，直接使用grad_tensors就好了。

实例001：

# grad_tensors参数功能说明
import torch 
import torch.nn as nn

# (1)首先，创建一个张量x，并设置其 requires_grad参数为True，程序将会追踪所有对于该张量的操作；
# 接下来，当完成计算后通过调用 .backward()，自动计算所有的梯度， 这个张量的所有梯度将会自动积累到 .grad 属性。
x = torch.tensor([2,3,4], dtype=torch.float, requires_grad=True)
print(x)
>>>tensor([2., 3., 4.], requires_grad=True)

#（2）其次，创建一个关于x的函数y，由于x的requires_grad参数为True，所以y对应的用于求导的参数grad_fn为<MulBackward0>。
# 这是因为在自动梯度计算中还有另外一个重要的类Function，Tensor 和 Function互相连接并生成一个非循环图，它表示和存储了完整的计算历史。 每个张量都有一个.grad_fn属性，这个属性引用了一个创建了Tensor的Function（除非这个张量是用户手动创建的，即，这个张量的 grad_fn 是 None，例如1中创建的x的 grad_fn 是 None）
y = x * 2

while y.norm() < 1000:
    y = y*2
print(y)
>>>tensor([ 512.,  768., 1024.], grad_fn=<MulBackward0>)
#（3）最后，.backward（）进行反向传播并输出x的梯度值，而这里出现了一个参数torch.ones_like(y)，它即为backward（）函数中的grad_tensors参数，要求grad_tensors参数的shape与待求梯度的Tensor向量（此处为y）的shape保持一致。
y.backward(torch.ones_like(y))
print(x.grad)
>>>tensor([256., 256., 256.])

### 备注：
Question：为什么在上述求导过程中需要引入参数grad_tensors？

Because：如果我们不引入这个参数的话，运行代码会报下面的错误：

RuntimeError: grad can be implicitly created only for scalar outputs
即：提示我们输出y不是一个标量，无法直接求导。

Answer：引入参数grad_tensors，解决欲求导的Tensor是非标量的情况。

参数grad_tensors的核心功能：

先举个栗子：

x = torch.ones(2,requires_grad=True)
z = x + 2
print(z)
>>> tensor([3., 3.], grad_fn=<AddBackward0>)
# 假设直接对矩阵z用反向传播求导数
z.backward()

>>> ...
RuntimeError: grad can be implicitly created only for scalar outputs

错误分析：
当我们运行上面的代码的话会报错，报错信息为RuntimeError: grad can be implicitly created only for scalar outputs。大意是只有对标量输出视，它才会计算梯度，而求一个矩阵对另一矩阵的导数则束手无策。
\quad
上述代码的计算过程如下：
$$\begin{array}{rl}& \mathbf{X}=\left[\begin{array}{cc}{x}_0& x_1\end{array}\right]\\ & \mathbf{Z}=\mathbf{X}+2=\left[\begin{array}{cc}{x}_0+2& x_1+2\end{array}\right]\\ & \Downarrow \\ & 求解\frac{\partial \mathbf{Z}}{\partial \mathbf{X}}=?\end{array}$$
如何解决矩阵无法直接求导：
那么我们只要想办法把矩阵转变成一个标量不就好了。比如我们可以对$z$求和，然后用求和得到的标量在对$x$求导，这样不会对结果有影响，例如：
$$\begin{array}{rl}& {\mathbf{Z}}_{\mathbf{s}\mathbf{u}\mathbf{m}}=\sum {\mathbf{z}}_{\mathbf{i}}=x_0+x_1+4\\ & \Downarrow \\ & then\frac{\partial {\mathbf{Z}}_{\mathbf{s}\mathbf{u}\mathbf{m}}}{\partial {\mathbf{x}}_0}=\frac{\partial {\mathbf{Z}}_{\mathbf{s}\mathbf{u}\mathbf{m}}}{\partial {\mathbf{x}}_1}=1\end{array}$$
我们可以看到先对矩阵$z$求和，后再计算梯度没有报错，结果也与预期一样：

优化后的代码结果如下：

x = torch.ones(2,requires_grad=True)
z = x + 2
z.sum().backward()  # 对矩阵z先求和，再求导
print(x.grad)
>>>
tensor([1., 1.])

进阶实例01：

假设叶子节点、结果节点的计算满足如下关系，则求解$out$分别对$x_1,x_2$的偏导数：

数学计算——对$x_1,x_2$分别求偏导：

import torch
from torch.autograd import Variable

a = Variable(torch.Tensor([2,3]), requires_grad = True)  # torch.Tensor([2, 3])用于生成新张量，新张量的为tensor([2., 3.], requires_grad=True)
b = a+3
c = b*b*3
out = c.mean()
print(a)
print(b)
print(c)
print(out)
>>>
tensor([2., 3.], requires_grad=True)
tensor([5., 6.], grad_fn=<AddBackward0>)
tensor([ 75., 108.], grad_fn=<MulBackward0>)
tensor(91.5000, grad_fn=<MeanBackward0>)
# 求导
out.backward()
print('input num is ：{}'.format(a.data))
print('compute result is :{}'.format(out))
print('input gradients are: {}'.format(a.grad.data))

torch.autograd.Variable模块说明：
注：torch.autograd.Variable是Autograd的核心类，它封装了Tensor，并整合了反向传播的相关实现
Varibale包含三个属性：
• data：存储了Tensor，是本体的数据
• grad：保存了data的梯度，grad本身也是个Variable而非Tensor，与data形状一致
•grad_fn：指向Function对象，用于反向传播的梯度计算之用。

进阶实例02：

k.backward(parameters)接受的参数parameters必须要和k的大小一模一样，然后作为k的系数传回去，backward里传入的参数是每次求导的一个系数。

（1）若定义输入$m=(x_1,x_2)=(2,3)$，然后我们做的操作就是$n=(x_1^2,x_2^3)$，这样我们就定义好了一个输出向量$n$，结果第一项只和$x_1$有关，第二项只和$x_2$有关，那么求解输出向量$n$的梯度，数学求导过程如下：

代码执行过程如下：

import torch
from torch.autograd import Variable

#(1) 若定义输入m=(x1,x2)=(2,3),而n= (x1**2,x2**3)，则
m = Variable(torch.Tensor([[2,3]]), requires_grad = True) 
n = Variable(torch.zeros(1,2))
print(m)
print(n)
n[0,0] = m[0,0] ** 2
n[0,1] = m[0,1] ** 3
n.backward(torch.Tensor([[1,1]]))
print(m.grad.data)
>>>
tensor([[ 4., 27.]])

（2）若定义输入$m=(x_1,x_2)=(2,3)$，然后我们做的操作就是$k=(x_1^2+3\ast x_2,x_2^3+2\ast x_1)$，这样我们就定义好了一个输出向量$k$，那么求解输出向量$k$的梯度，数学求导过程如下：

代码执行过程如下：

import torch
from torch.autograd import Variable

#（2） 若输入m=(x1,x2)=(2,3), 而k = (x1**2+3*x2,x2**2+2*x1)，则
j = torch.zeros(2 ,2)
k = Variable(torch.zeros(1, 2))
k[0, 0] = m[0, 0] ** 2 + 3 * m[0 ,1]
k[0, 1] = m[0, 1] ** 2 + 2 * m[0, 0]
# [1, 0] dk0/dm0, dk1/dm0
k.backward(torch.FloatTensor([[1, 0]]), retain_graph=True) # 需要两次反向求导
j[:, 0] = m.grad.data
m.grad.data.zero_()
# [0, 1] dk0/dm1, dk1/dm1
k.backward(torch.FloatTensor([[0, 1]]))
j[:, 1] = m.grad.data
print('jacobian matrix is:{}'.format(j))

我们要注意backward()里面另外的一个参数retain_variables=True，这个参数默认是False，也就是反向传播之后这个计算图的内存会被释放，这样就没办法进行第二次反向传播了，所以我们需要设置为True，因为这里我们需要进行两次反向传播求得jacobian矩阵。

参考链接：
Pytorch autograd,backward详解
pytorch中 backward 机制理解

可以看到backward函数有一个奇怪的参数：grad_tensors，在实现PyTorch的官方教程中可以发现：

import torch

x = torch.tensor([2, 3, 4], dtype=torch.float, requires_grad=True)
print(x)
>>>tensor([2., 3., 4.], requires_grad=True)
y = x*2
print(y)
>>>tensor([4., 6., 8.], grad_fn=<MulBackward0>)
while y.norm() < 1000:  # `norm(X)`如果x是一个向量,那么norm(x)就等于x的模长
    y = y*2
print(y)
>>>tensor([ 512.,  768., 1024.], grad_fn=<MulBackward0>)
y.backward(torch.ones_like(y)) # `torch.ones_like`(input, dtype=None, layout=None, device=None, requires_grad=False) → Tensor，返回一个填充了标量值1的张量，其大小与之相同 input。
print(x.grad)
>>>tensor([256., 256., 256.])

接下来，分步讲解上述代码的执行过程：

1. x = torch.tensor([2, 3, 4], dtype=torch.float, requires_grad=True)——创建一个张量x，并设置其参数requires_grad=True。

备注：
设置创建张量x的参数requires_grad==True，则程序将会追踪所有对于该张量的操作，当完成计算后通过调用.backward()，自动计算所有的梯度， 这个张量的所有梯度将会自动积累到 .grad 属性。

2. y = x*2——创建一个关于x的函数y，由于设置x的参数requires_grad=True，所以y对应的用于求导的参数grad_fn=<MulBackward0>。这是因为在自动梯度计算过程中，还有另外一个重要的类Function。Tensor和Function互相连接生成一个非循环图，它表示和存储了完整的计算历史。每个张量都有一个.grad_fn属性，这个属性引用了一个创建了Tensor的Function（除非这个张量是用户手动创建的）即，这个张量的 grad_fn==None，例如：步骤1中创建的张量x的grad_fn==None）
3. y.backward(torch.ones_like(y))——进行反向传播并输出x的梯度值，而这里出现了一个参数torch.ones_like(y)即为grad_tensors参数，这里便引入了我们的问题：

为什么在求导的过程中需要引入这个参数，如果我们不引入这个参数的话，则会报下面的错误：
\quad
RuntimeError: grad can be implicitly created only for scalar outputs
\quad
即：提示我们输出的不是一个标量

下面就开始分析这个问题以及这个参数的作用。

backward函数：

结合上面两节的分析，可以发现，pytorch在求导的过程中，分为下面两种情况：

• 如果是 标量对向量求导(scalar对tensor求导) ，那么就可以保证上面的计算图的根节点只有一个，此时不用引入grad_tensors参数，直接调用backward函数即可；
• 如果是 (向量)矩阵对(向量)矩阵求导(tensor对tensor求导)，实际上是先求出Jacobian矩阵中每一个元素的梯度值(每一个元素的梯度值的求解过程对应上面的计算图的求解方法)，然后将这个Jacobian矩阵与grad_tensors参数对应的矩阵进行对应的点乘，得到最终的结果。
  参考链接：PyTorch 的 backward 为什么有一个 grad_variables 参数？
  Towser

PyTorch中torch.autograd的实现

torch.autograd提供了类和函数用来对任意标量函数进行求导。要想使用自动求导，只需要将所有的tensor包含进Variable对象中即可。

（1） torch.autograd.backward语法说明（详见：官方文档中关于torch.autograd说明）

torch.autograd.backward(variables, grad_variables, retain_variables=False)

核心功能：

Computes the sum of gradients of given variables w.r.t. graph leaves. 给定图的叶子节点variables, 计算图中变量的梯度和。

计算图可以通过链式法则求导。如果variables中的任何一个variable是 非标量(non-scalar)的，且requires_grad=True。那么此函数需要指定grad_variables，它的长度应该和variables的长度匹配，里面保存了相关variable的梯度(对于不需要gradient tensor的variable，None是可取的，例如：叶子节点)。

此函数累积leaf variables计算的梯度。你可能需要在调用此函数之前将leaf variable的梯度置零。

参数说明：

• variables (variable 列表) – 被求微分的叶子节点，即 ys 。
• grad_variables (Tensor 列表) – 对应variable的梯度。仅当variable不是标量且需要求梯度的时候使用。
• retain_variables (bool) – True,计算梯度时所需要的buffer在计算完梯度后不会被释放。如果想对一个子图多次求微分的话，需要设置为True。

（2） torch.autograd.Variable语法说明（详见：官方文档中关于torch.autograd说明）

class torch.autograd.Variable [source]

核心功能：

包装一个Tensor，并记录用在它身上的operations。

Variable是Tensor对象的一个thin wrapper（包装），它同时保存着Variable的梯度和创建这个Variable的Function的引用。这个引用可以用来追溯创建这个Variable的整条链。如果Variable是被用户所创建的，那么它的creator是None，我们称这种对象为 leaf Variables。

由于autograd只支持标量值的反向求导(即：y是标量)，梯度的大小总是和数据的大小匹配。同时，仅仅给leaf variables分配梯度，其他Variable的梯度总是为0。

（3） backward语法说明（详见：官方文档中关于torch.autograd说明）

backward(gradient=None, retain_variables=False)[source]

核心功能：

当前Variable对leaf variable求偏导。

计算图可以通过链式法则求导。如果Variable是 非标量(non-scalar)的，且requires_grad=True。那么此函数需要指定gradient，它的形状应该和Variable的长度匹配，里面保存了Variable的梯度。

此函数累积leaf variable的梯度。你可能需要在调用此函数之前将Variable的梯度置零。否则，梯度不置零将出现结果累加。

总结：如果需要计算导数，可以在Tensor上调用.backward()。

1. 如果Tensor是一个标量（即它包含一个元素的数据），则不需要为backward()指定任何参数
2. 但是如果Tensor是 非标量（即：它包含更多的元素），则需要指定一个gradient参数，它是形状匹配的张量。

实例演示：
Question：计算函数对于变量x的导数？
即：当前Variable(理解成函数Y)对leaf variable（理解成变量X=[x1,x2,x3]）求偏导。
计算图可以通过链式法则求导。如果Variable是 非标量(non-scalar)的(即：Y中有不止一个y，即Y=[y1,y2,…])，且requires_grad=True。那么此函数需要指定gradient，它的形状应该和Variable的长度匹配（这个就很好理解了，gradient的长度体与Y的长度一直才能保存每一个yi的梯度值），里面保存了Variable的梯度。

参数说明：

• gradient (Tensor) –
  其他函数对于此Variable的导数。仅当Variable不是标量的时候使用，类型和位形状应该和self.data一致。
• retain_variables (bool) – True,
  计算梯度所必要的buffer在经历过一次backward过程后不会被释放。如果你想多次计算某个子图的梯度的时候，设置为True。在某些情况下，使用autograd.backward()效率更高。

典型范例：

import torch
a = torch.ones(2, 3, requires_grad=True) # 创建一个张量并设置requires_grad = True 为跟踪张量
print('input:',a.data)
'''情况1：out是一个标量（就是说一个输出值）'''
b = a+3
c = b*3
out = c.mean()
print(out)
out.backward()
print('input gradients are:', a.grad)
print(a.numel()) # #返回元素个数，所以c关于a的导数应该是[（a+3）*3]/6 就是0.5
"""情况2：out是一个向量（就是说输出一列值）"""
a = torch.ones(2, 1, requires_grad=True)
b = torch.zeros(2,1)
print(a)
print(b)
>>>
tensor([[1.],
        [1.]], requires_grad=True)
tensor([[0.],
        [0.]])
b[0,0] = a[0,0]**2 + a[1,0]*5
b[1,0] = a[0,0]**2 + a[1,0]*5
print(b)
# (1)若直接调用b.backward()，不加任何参数，结果报错
b.backward()
print(a.grad)
>>>
RuntimeError: grad can be implicitly created only for scalar outputs
# (2)当输出为向量时，调用b.backward()需要输入一个gradient，其shape和变量y保持一致
b.backward(gradient=torch.ones(b.shape))
print(a.grad)
>>>
tensor([[ 4.],
        [10.]])