这个是因为没有将requires_grad设为True，l=LOSS（out，label）中的l默认是requires_grad为false，这个l其实也是一个张量Tensor类型，将其的requires_grad改为True后，使用backward函数就可以得到requires_grad为True的所有参数的梯度。
上面的loss = loss.requires_grad_()，是我添加的部分。
本错误纠正的参考的内容如下：
免责声明！
本站转载的文章为个人学习借鉴使用，本站对版权不负任何法律责任。如果侵犯了您的隐私权益，请联系本站邮箱yoyou2525@163.com删除。
猜您在找
PyTorch grad_fn的作用以及RepeatBackward, SliceBackward示例
使用pytorchviz进行模型可视化出现 'NoneType' object has no attribute 'grad_fn'
RuntimeError: grad can be implicitly created only for scalar outputs问题分析
DateWindow does not have UPDATE capability
The Application does not have a valid signature
解决The swarm does not have a leader
#报错记录#RuntimeError: Expected tensor for 'out' to have the same device as tensor for argument #2 'mat1'; but device 1 does not equal 0 (while checking arguments for addmm)
with torch.no_grad() 详解
RuntimeError: invalid argument 0: Tensors must have same number of dimensions: got 1 and 2 at /opt/conda/conda-
with torch.no_grad()详解