一.写在前面：
深度学习的算法本质上是通过反向传播求导数，PyTorch的Autograd模块实现了此功能。在Tensor上的所有操作，Autograd都能为他们自动提供微分。
autograd.Variable是Autograd中的核心类，它简单封装了Tensor，并支持几乎所有Tensor操作。Tensor在被封装为Variable之后，可以调用它的.backwoard实现反向传播，自动计算所有梯度。
Variable的三个属性。1.data：保存Variable所包含的Tensor。
2.grad：保存data对应的梯度，grad也是个Variable，而不是Tensor，它和data的形状一样。
3.grad_fn:指向一个Function对象，这个Functino用来反向传播计算输入的梯度。
二：
构建Variable，要注意传入一个参数requires_grad=True,这个参数表示是否对这个变量求梯度，默认的是False,也就是不对这个变量求梯度，这里我们希望得到这些变量的梯度。
上面的代码有一行y.backward()，等价于y.backward(torch.FloatTensor([1])),只不过对于标量求导，里面的参数就不用写了。