如何获得 NN 中一个节点相对于另一个节点的梯度？我需要训练一个 NN，为了简单起见，它有 2 个神经元作为输入（x，y），一个神经元作为瓶颈（z），还有 2 个作为输出（x_hat，y_hat）。我需要一个看起来像这样的损失：

loss = (x-x_hat)**2+(y-y_hat)**2+abs(sqrt((d(x_hat)/dz)**2+(d(y_hat)/dz)**2)-1)

或它的变体。问题是我需要的价值$d(x_{hat})\over dz$和$d(y_{hat})\over dz$（所以输出层相对于内部节点的梯度）。我使用钩子尝试了几件事，但到目前为止我发现没有用。我正在考虑做这样的事情：

loss_1 =  (x-x_hat)**2+(y-y_hat)**2
loss_1.backward(retain_graph=True)
loss_2 = abs(sqrt((d(x_hat)/dz)**2+(d(y_hat)/dz)**2)-1) 
loss_2.backward()

在我调用之后loss_1.backward(retain_graph=True)，我需要的梯度应该已经计算出来了，我只是不知道如何访问它们以便将它们传递给 loss_2 即值是什么$d(x_{hat})\over dz$和$d(y_{hat})\over dz$

谁能帮我这个？谢谢！