pytorch中爲什麼grad_output requires_grad是False？

Question

這裏是customLayer.py。

我很困惑以下的事情：

1. 內層的輸入不是一個變量。然後在backward它變成一個變量，並要求梯度。爲什麼？
2. grad_output是一個變量，但require_grad是False。爲什麼不是真的？
3. 在我的自定義圖層中，我需要自定義向前和向後的操作。這很複雜。看到相同的鏈接。我已經在其中發佈了問題。

Answer 1

1. 梯度通過您的損失計算進行更新，並且是反向傳播所必需的。如果你沒有漸變，你不能訓練你的網絡。
2. 可能是因爲您不希望漸變最後放在變量上。暫時只有一個落後階段。
3. 爲什麼你需要一個自定義的後退功能？你需要額外的反向傳播操作嗎？