Tensor.grad属性介绍
PyTorch的Tensor有个grad属性，默认情况下，该属性为None，当第一次调用backward()计算梯度时，此属性变为张量，其值为计算的梯度。并且，将来对backward的多次调用之后，将会累积梯度。
Tensor.grad应用举例
x = torch.tensor([[1., -1.], [1., 1.]], requires_grad=True)
out = x.pow(2).sum()
out.backward()
print(x.grad)运行结果为：
tensor([[ 2.0000, -2.0000],
[ 2.0000, 2.0000]])参考
https://pytorch.org/docs/stable/generated/torch.Tensor.grad.html#torch.Tensor.grad
学习建议
很多人只有查找网上资料才能明白grad属性，如果有人是这种情况，还是建议转行吧。深度学习中的学就是了解，而习就是复习，是反向传播的意思，如果连grad属性真是说不过去了。很多人执着于读论文、跑开源、学算法，但是忽略了最底层的基本功，连PyTorch都用不好，这是一个非常错误的做法。我也提醒各位读者，学好PyTorch十分重要。欢迎大家关注红黑树技术联盟，这里有高质量的PyTorch资料，让我们一起努力吧。
