为何对torch.cat生成的变量调用torch.autograd.grad会返回None

我们已知torch.autograd.grad()会在梯度传播被阻断时返回None，以下代码的运行结果常引发疑问：

x = torch.rand(6, requires_grad=True)

y = x.pow(2).sum()
z = torch.cat([x])

grad1 = torch.autograd.grad(y, x, allow_unused=True)
grad2 = torch.autograd.grad(y, z, allow_unused=True)
      
print(f'grad1 = {grad1}, grad = {grad2}')

上述代码的输出结果为：
grad1 = (tensor([0.3705, 0.7468, 0.6102, 1.8640, 0.3518, 0.5397]),), grad = (None,)
不少开发者会认为z本质等价于x，因此grad2应该与grad1数值一致，该结果的产生原因如下：

• x是y对应计算图的叶子节点，而z不属于y的计算图节点
• 计算图中x是y和z共同的叶子节点，但z到y之间不存在直接梯度传播路径，因此torch.autograd.grad返回None

注意：返回的None并不代表梯度值为0

内容的提问来源于stack exchange，提问作者Tengerye