反向传播：计算梯度

您已经成功计算出损失，它衡量了模型预测与实际目标值之间的偏离程度。接下来一个重要步骤是了解 如何 调整模型参数（权重和偏置）以减小此损失。这就是反向传播发挥作用的地方。

PyTorch 使用 .backward() 方法执行反向传播。当此方法在损失张量上调用时，模型参数的梯度便被计算出来。

# 假设 'loss' 是您的损失函数产生的标量输出
loss.backward()

调用 loss.backward() 会触发 PyTorch 的自动微分引擎 Autograd。回忆一下第 3 章，PyTorch 如何在正向传播过程中执行运算时动态构建计算图？此图记录了从输入数据和模型参数到最终损失值的运算序列。

backward() 调用会启动对此图的 逆向 遍历，从损失张量本身开始。利用微积分链式法则，Autograd 高效地计算图中每个 requires_grad 属性设为 True 的张量相对于损失的梯度。

具体来说，对于模型中参与了损失计算的每个参数 $\theta$（例如 nn.Linear 或 nn.Conv2d 层中的权重和偏置），loss.backward() 会计算偏导数：

$$\frac{\partial L}{\partial \theta}$$

这个梯度 $\frac{\partial L}{\partial \theta}$ 代表了损失 $L$ 对参数 $\theta$ 微小变化的敏感度。它说明了 $\theta$ 为减小损失所需变化的方向和大小。

这些计算出的梯度会存放在哪里？PyTorch 会直接将其存储在对应参数张量的 .grad 属性中。

# 示例：反向传播后访问线性层权重的梯度
# model = nn.Linear(10, 1)
# ... (正向传播和损失计算) ...
# loss.backward()

# 现在您可以检查梯度
print(model.weight.grad)
print(model.bias.grad)

在调用 loss.backward() 后，您通常会在模型参数的 .grad 属性中发现非 None 值。计算图中的中间张量的梯度通常不保留以节省内存，尽管如果调试或高级技术需要，可以修改此行为。通过 nn.Module 定义的模型参数被认为是图中的“叶”节点，它们的梯度会被保留。

正向传播构建计算图（实线）。调用 loss.backward() 启动反向传播（虚线），从损失开始计算梯度，并将它们存储在 W 和 B 等张量的 .grad 属性中。

梯度累加

一个需要理解的重要行为是 PyTorch 会 累加 梯度。当您调用 loss.backward() 时，新计算出的梯度会 添加 到参数的 .grad 属性中已有的值上。它们不会覆盖之前的值。

这种累加是设计意图，且在特定情况下有用，例如模拟更大的批量大小或训练循环神经网络 (RNN)。然而，在每次处理一个批量的标准训练循环中，您通常只想根据当前批量计算梯度。如果您不清除上次迭代的梯度，就会累积多个批量的梯度，从而导致参数更新不正确。

正因如此，如本章引言中所述并将在后面详细说明，您必须在每个训练迭代开始时，通常在正向传播 之前 或恰好在调用 loss.backward() 之前，显式地将梯度归零。执行此操作的标准方法涉及优化器，即使用 optimizer.zero_grad()。

在梯度计算完成并存储在参数的 .grad 属性中之后，下一步便是使用这些梯度更新模型的参数，这由优化器的 step() 方法处理。