torch.autograd.Function.backward

static Function.backward(ctx, *grad_outputs)

定義使用反向模式自動微分來區分運算的公式。

所有子類別都要覆寫此函數。（定義此函數等同於定義 vjp 函數。）

它必須接受一個 context ctx 作為第一個參數，後面接著與 forward() 回傳值數量相同的輸出 (對於 forward 函數的非 tensor 輸出，將傳入 None)，並且它應該回傳與 forward() 輸入數量相同的 tensor。 每個參數是相對於給定輸出的梯度，並且每個回傳值應該是相對於相應輸入的梯度。 如果輸入不是 Tensor 或是一個不需要梯度的 Tensor，您可以直接傳遞 None 作為該輸入的梯度。

context 可以用於檢索在 forward 過程中儲存的 tensors。 它也有一個屬性 ctx.needs_input_grad，作為一個布林值的 tuple，表示每個輸入是否需要梯度。 例如，如果 backward() 的第一個輸入需要計算相對於輸出的梯度，則 backward() 將會具有 ctx.needs_input_grad[0] = True。

回傳型別

Any