1. pytorch的计算图是动态更新的（tensorflow是静态计算图），数据流向可以是双向的。
2. pytorch variable(用于封装tensor，便于自动求导的变量类型，在pytorch0.4.0之后版本已被并入tensor)
基本属性：data，dtype，shape，device，requires_grad，is_leaf，grad，grad_fn
3. is_leaf是否为叶子节点：用户创建时，使用的函数用到了不是变量的参数？则为叶子节点；
- 从非叶子节点创建的节点均为非叶子节点；
- 创建叶子节点时，如果requires_grad设置为False，则叶子节点实际没有意义
- 非叶子节点的梯度在反向传播之后默认不保留，如果需要则要在反向传播前调用.retain_grad()；
- 对于属于是向量的张量不能直接反向传播，需要传入一个shape和该向量一样的全填1的标量作为参数，根据雅克布矩阵的分解就会恰好得到各个维度的梯度值（注意，例如，如果这个张量是对某个张量求全体平均数.mean()操作后得到的，则shape为torch.Size([])，就变成了标量、可以反向传播）；
4. oth
标签：叶子,记录,shape,学习,pytorch,反向,grad,节点 From： https://www.cnblogs.com/Song-Meow/p/17870517.html