1、Variable是torch.autograd中很重要的类。它用来包装Tensor，将Tensor转换为Variable之后，可以装载梯度信息。pytorch的一个重要特点就是动态计算图，计算图中每一个节点代表一个变量，变量间建立运算关系并且可以修改，而不像Tensorflow中的计算图是固定不可变的。.data——获得该节点的值，即Tensor类型的值.grad——获得该节点处的梯度信息
2、Variable的参数为“requires_grad”和“grad_fn”：（1）requires_grad的值为：True和False，True代表tensor变量需要计算梯度，False代表不需要。默认值为False。（2）grad_fn的值该变量是否是一个计算结果，即该变量是不是一个函数的输出值。若是，则grad_fn返回一个与该函数相关的对象，否则是None。
3、神经网络计算梯度一个复杂的实例，此实例可以体现出梯度计算过程的计算图：
4、变量out处执行.backward()计算梯度，由梯度计算的链式法则算到所有的结果变量（graph leaves），这个图中只有一个x。然后在创建变量处执行.grad，获得结果变量out关于创建变量x的梯度。
