pytorch语法问题 loss.backword() 缺少入参？

Question

我是一个母语java的后端开发，最近在学python和pytorh，对脚本语言不太熟悉。
我从教程中看到一个简单模型的训练过程的部分代码如下

    for epoch in range(opt.epochs):

        loss_mean = 0.
        correct = 0.
        total = 0.

        net.train()
        for i, data in enumerate(train_loader):

            # forward
            inputs, labels = data
            outputs = net(inputs)

            # backward
            optimizer.zero_grad()
            loss = criterion(outputs, labels)
            loss.backward()

            # update weights
            optimizer.step()

我的疑惑如下：
loss是net(模型)的输出经过损失函数计算得到的损失对象，optimizer是优化器。loss.backword()是反向传播，更新模型中参数的梯度。有了梯度之后，优化器根据梯度对模型参数进行更新。这些过程我大概是没有理解错的。
但是这个过程有些函数我感觉缺少入参。比如，loss.backward()应该是对net.parameter更新梯度属性，那应该是loss.backward(net.parameter); 以及optimizer.step()也是对net.parmeter更新，应该是optimizer.step(net.parameter)。
如果不传入参，那么一定是之前的某些过程中获得了net.parameter的引用，不然不可能更新到它。optimizer在声明的时候是这样写的

optimizer = optim.SGD(net.parameters(), lr=opt.lr, momentum=0.9)  # 选择优化器

这里可以看到在声明时传递了parameters的引用，我还能理解。但是loss是什么时候获得parameters的引用的呢？以及loss是不是真的持有net.parameters的引用呢？

Answer 1

在 forward 的每一步里，比如加法、乘法、Relu、等等，如何做 backward 就已经记录到了结果的 tensor 里。所以可以在最终结果 tensor 里直接调用 backward 。