.zero_grad()的重要性

for i in range(2):
    a.backward(retain_graph = True)
    print("b.grad.data: {}".format(b.grad.data))

不写.zero_grad()的代码结果

根据pytorch中的backward()函数的计算，当网络参量进行反馈时，梯度是被积累的而不是被替换掉；但是在每一个batch时毫无疑问并不需要将两个batch的梯度混合起来累积，因此这里就需要每个batch设置一遍zero_grad 。如果不是每一个batch就清除掉原有的梯度，而是比如说两个batch再清除掉梯度，这是一种变相提高batch_size的方法，对于计算机硬件不行，但是batch_size可能需要设高的领域比较适合，比如目标检测模型的训练。
 

参考：

【Pytorch 为什么每一轮batch需要设置optimizer.zero_grad】

https://blog.csdn.net/xiaoxifei/article/details/83474724