Created by: baiyfbupt

类似pytorch的

torch.autograd.grad(loss, params)

或者paddle 静态图的

fluid.gradients(loss, params)

paddle 动态图中目前只找到一种方法，全图backward，再取出目标梯度

loss.backward()
grads = [param._grad_ivar() for param in target_params]

最后这种方法对整个网络求了梯度，但如果我只需要其中的很小一部分，这种方法可能会有速度问题。想咨询下目前动态图是否可以支持loss仅对指定的param求梯度