PyTorch代码无法计算x的梯度，报NoneType属性错误求助

核心错误原因 #

你手动设置了loss.requires_grad = True，这完全没必要——loss作为计算图的末端节点，本身就处于梯度追踪链路中，这个多余设置会干扰梯度向x的反向传播。另外你尝试的x.retains_grad()也不需要，因为x已经通过x.requires_grad = True标记为叶子节点，默认会保留梯度。

修正后的代码 #

epsilon = 0.1
x.requires_grad = True

output = model(x, y)
loss = torch.nn.functional.cross_entropy(output, y)

# 删掉loss.requires_grad = True这一行
loss.backward()

gradient = x.grad
if gradient is not None:
    sign_gradient = gradient.sign()
else:
    print("未计算出x的梯度，请检查模型内部操作")

额外排查点 #

如果修正后x.grad还是None，检查以下内容：

• 模型中是否存在阻断梯度传播的操作，比如detach()、torch.no_grad()上下文，或者inplace修改（如x += 1这类操作）。
• x是否是从无梯度追踪的张量转换而来（比如用numpy()转成数组再转回张量，会丢失梯度追踪）。
• 确认model的前向传播中，x的输出确实参与了loss的计算，没有被无关操作丢弃。

内容的提问来源于stack exchange，提问作者kicks