loss.backward（）

`loss.backward()` 是 PyTorch 中用来计算梯度并进行反向传播的方法。在深度学习中，我们通常使用梯度下降法来更新模型的参数，而梯度则是通过计算损失函数对模型参数的偏导数得到的。`loss.backward()` 方法会自动计算损失函数对所有需要进行更新的参数的偏导数，并将结果存储在这些参数的 `.grad` 属性中。然后我们可以通过调用优化器的 `step()` 方法来更新参数。