为什么pytorch中的grad\u输出要求\u grad为False？

这是你的电话号码

我对以下几点很困惑：

内层的输入不是一个变量。然后在

向后

中，它变成一个变量，需要梯度。为什么?

grad\u输出

是一个变量，但要求\u grad为False。为什么不是真的

在我的自定义层中，我需要自定义向前和向后操作。这相当复杂。请参阅相同的链接。我在里面贴了问题

通过损耗计算更新梯度，反向传播需要梯度。如果没有渐变，则无法训练网络

可能是因为您不希望渐变最后出现在变量上。这只是暂时的一个倒退阶段

为什么需要自定义的向后函数？是否需要对反向传播进行额外操作

---

1.你说的内层是什么意思？2.grad_输出，顾名思义，是梯度计算的结果。为什么这个变量需要_grad？