Python 带fast.ai课程的问题第8课g属性

在fast.ai 2019第8课的课程中，反向传播中使用了一个奇怪的g属性，我检查了torch。张量这个属性不存在。我试图在call方法中打印inp.g/out.g的值，但是我得到了AttributeError:“Tensor”对象没有属性“g”，但是我能够在向后赋值之前获得inp.g/out.g的值，这个g属性是如何工作的

class Linear（）：
定义初始值（self，w，b）：
self.w，self.b=w，b
定义呼叫（自我，inp）：
打印（'林中呼叫'）
self.inp=inp
self.out=inp@self.w+self.b
尝试：
打印（'out.g'，self.out.g）
例外情况除外，如e：
打印（'out.g dne yet'）
退出
def向后（自我）：
打印（'out.g'，self.out.g）
self.inp.g=self.out.g@self.w.t（）
self.w.g=（self.inp.unsqueze（-1）*self.out.g.unsqueze（1））.sum（0）
self.b.g=self.out.g.sum（0）

-更新-

我能够计算出self.out.g值与代价函数MSE self.inp.g完全相同，但仍然无法计算出该值是如何传递到最后一个线性层的

class MSE（）：
定义呼叫（自我、inp、targ）：
self.inp=inp
self.targ=targ
self.out=（inp.squence（）-target.pow（2.mean）（）
退出
def向后（自我）：
self.inp.g=2。*（self.inp.squence（）-self.target）.unsqueze（-1）\
/自我目标形状[0]
打印（'in mse backward'，self.inp.g）
类模型（）：
定义初始值（self，w1，b1，w2，b2）：
self.layers=[Lin（w1，b1），Relu（），Lin（w2，b2）]
self.loss=Mse（）
定义呼叫（self，x，target）：
对于self.layers中的l：
x=l（x）
返回自损（x，targ）
def向后（自我）：
self.loss.backward（）
对于反向（自分层）中的l：
l、 向后（）

基本上，这必须处理python赋值的工作方式（指针，类似于C指针的工作方式）。在使用id（变量名）跟踪变量之后，我能够弄清楚g属性是如何产生的

#。。。在模型中（向前传球）。。。
x=层（x）#从线性层>>返回self.out并分配给x
# ...
返回自我。损失（x，目标）#x与从模型中获得的x（id）相同
# ========
# ... 在模型中（向后传球）。。。
self.loss.backward（）#self.inp.g就是这样出现的
# ... 在线性。。。
self.inp.g=self.out.g@self.w.t（）
#这个self.out.g与loss中的self.inp.g是同一个实例