mindspore/python/mindspore/ops/composite/base.py

@@ -434,6 +434,15 @@ class _Grad(GradOperation_):
 
     def __init__(self, get_by_list=False, sens_param=False, get_by_position=False):
         """Initialize _Grad."""
+        """
+        参数:
+        - get_by_list: 是否按列表获取梯度，默认为 False
+        - sens_param: 是否使用灵敏度参数，默认为 False
+        - get_by_position: 是否按位置获取梯度，默认为 False
+        - has_aux: 是否包含辅助输出，默认为 False
+        - get_value: 是否获取值，默认为 False
+        - return_ids: 是否返回标识符，默认为 False
+        """
         if not isinstance(get_by_position, bool):
             raise TypeError(f"For '_Grad', the 'get_by_position' should be bool, "
                             f"but got {type(get_by_position).__name__}")
@@ -453,6 +462,14 @@ class _Grad(GradOperation_):
         self.grad_position = None
 
     def __call__(self, fn, weights=None, grad_position=0):
+        """
+        调用 _Grad 类实例以生成梯度函数。
+
+        参数：
+        - fn: 输入的函数
+        - weights: 权重参数，默认为 None
+        - grad_position: 梯度位置，默认为 0
+        """
         if self.grad_fn is not None and self.fn == fn and self.grad_position == grad_position:
             return self.grad_fn
         grad_ = _Grad(self.get_by_list, self.sens_param, self.get_by_position)
@@ -507,25 +524,32 @@ class _Grad(GradOperation_):
 
     def _pynative_forward_run(self, grad, args, kwargs, fn):
         """ Pynative forward runs to build grad graph. """
-        new_kwargs = kwargs
+        new_kwargs = kwargs  # 将传入的关键字参数 kwargs 赋值给新变量 new_kwargs
+
         if self.sens_param:
+            # 如果 self.sens_param 为 True，表示函数需要灵敏度参数
             if 'sens' in kwargs.keys():
-                new_kwargs = kwargs.copy()
-                new_kwargs.pop('sens')
+                # 如果 'sens' 存在于 kwargs 的键中
+                new_kwargs = kwargs.copy()  # 复制 kwargs 到新的字典 new_kwargs
+                new_kwargs.pop('sens')  # 从 new_kwargs 中删除 'sens' 键
             else:
-                args = args[:-1]
+                args = args[:-1]  # 否则，移除参数列表 args 的最后一个参数
+
         if isinstance(fn, FunctionType):
+            # 如果 fn 是 FunctionType 类型的对象（通常表示普通函数或方法）
             if not _pynative_executor.check_run(grad, fn, *args, **new_kwargs):
-                _pynative_executor.set_grad_flag(True)
-                _pynative_executor.new_graph(fn, *args, **new_kwargs)
-                outputs = fn(*args, **new_kwargs)
-                _pynative_executor.end_graph(fn, outputs, *args, **new_kwargs)
+                # 如果还没有运行过与 grad 关联的 fn 函数
+                _pynative_executor.set_grad_flag(True)  # 设置梯度标志为 True，表示进入梯度计算模式
+                _pynative_executor.new_graph(fn, *args, **new_kwargs)  # 创建新的计算图
+                outputs = fn(*args, **new_kwargs)  # 执行 fn 函数并获取其输出
+                _pynative_executor.end_graph(fn, outputs, *args, **new_kwargs)  # 结束计算图的构建
         else:
-            # Check if fn has run already.
+            # 如果 fn 不是 FunctionType 类型的对象（可能是 nn.Cell 或其他类型的对象）
+            # 检查 fn 是否已经运行过，如果没有，则设置梯度标志为 True，运行 fn，然后将梯度标志设置为 False
             if not _pynative_executor.check_run(grad, fn, *args, **new_kwargs):
-                fn.set_grad()
-                fn(*args, **new_kwargs)
-                fn.set_grad(False)
+                fn.set_grad()  # 设置 fn 为梯度计算模式
+                fn(*args, **new_kwargs)  # 运行 fn 函数
+                fn.set_grad(False)  # 将 fn 设置为非梯度计算模式
 
 
 class _Vmap(VmapOperation_):