pytorch loss.backward问题：RuntimeError: element 0 of tensors does not require grad and does not have a

最近遇到了一个问题，在pytorch定义模型
训练过程中 ，反向传播时

loss.backward()

在上面这个未知报错

RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn

该问题说明loss的梯度被关闭了，即loss的require_grad(False)

反观我的模型，我定义的模型套了两个模型，如：

class mymodel(nn.Module):
    def __init__(self):
        super(model,self).__init__()
        
        self.model1= ...
        for param in self.model1.parameters():    
            param.requires_grad = True
            
        self.model2= ...
        for param in self.model2.parameters():    
            param.requires_grad = False
     def forward(self):
     ...

这样mymodel的最后一个模型requires_grad = False，由于requires_grad=True 的作用是让 backward 可以追踪这个参数并且计算它的梯度。最开始定义你的输入是 requires_grad=True ，那么后续对应的输出也自动具有 requires_grad=True
则同理requires_grad=False，应该就会导致后面的参数requires_grad=True

在本例中，loss的计算时接着model2的参数的，model2的参数requires_grad = False，则loss的requires_grad = False，导致无法后向传播

解决方法：

loss.requires_grad_(True)  #这里应该是因为如果将最后一层的模型参数梯度关闭，则计算出来的loss也没有梯度，不能追踪，所以要将loss的梯度设置为True
loss.backward()

即在loss.backward()前增加语句让loss的梯度可以被追踪
解决问题