TODO 总 loss 由多个 loss 组成。如果只有一个 loss，那么直接 loss.backward()即可，不止一个 loss 时， backward()放在哪里？

目前的写法：

loss1= Loss(output[0], target)
loss2= Loss(output[1], target)
loss3= Loss(output[2], target)
loss4= Loss(output[3], target)

loss = loss1 + loss2 + loss3 + loss4
loss.backward()

补充

• 关于张量 tensor 中的 require_grad 属性： 如果一个张量它的 requires_grad=True，那么在反向传播计算梯度时调用 backward()方法就会计算这个张量的梯度。但是需要注意的是：计算完梯度之后，这个梯度并不一定会一直保存在属性 grad 中，只有对于 requires_grad=True 的叶子结点才会一直保存梯度，即将梯度一直保存在该叶子张量的 grad 属性中。而对于非叶子节点，即中间节点的张量,我们在计算完梯度之后为了更高效地利用内存，一般会将中间计算的梯度释放掉。

References

• Pytorch 中的梯度回传 (opens new window)