为什么在pytorch中grad_output requires_grad为False？

Question

这是customLayer.py。

我对以下事情感到很困惑：

1. 内层的输入不是变量。然后在backward中，它变为变量并需要渐变。为什么？
2. grad_output是变量，但requires_grad为False。为什么不是真的？
3. 在我的自定义图层中，我需要自定义向前和向后操作。这很复杂。看到相同的链接。我已在其中发布了问题。

Answer 1

1. 渐变通过损失计算更新，并且是反向传播所必需的。如果您没有渐变，则无法训练您的网络。
2. 可能是因为你不希望变量的最后一个渐变。它暂时只适用于一个落后阶段。
3. 为什么需要自定义后退功能？你需要对你的反向传播进行额外的操作吗？