Fetch the repository succeeded.
.. py:function:: mindspore.value_and_grad(fn, grad_position=0, weights=None, has_aux=False)
生成求导函数，用于计算给定函数的正向计算结果和梯度。
函数求导包含以下三种场景：
1. 对输入求导，此时 `grad_position` 非None，而 `weights` 是None;
2. 对网络变量求导，此时 `grad_position` 是None，而 `weights` 非None;
3. 同时对输入和网络变量求导，此时 `grad_position` 和 `weights` 都非None。
参数：
- **fn** (Union[Cell, Function]) - 待求导的函数或网络。
- **grad_position** (Union[NoneType, int, tuple[int]]) - 指定求导输入位置的索引。若为int类型，表示对单个输入求导；若为tuple类型，表示对tuple内索引的位置求导，其中索引从0开始；若是None，表示不对输入求导，这种场景下， `weights` 非None。默认值： ``0`` 。
- **weights** (Union[ParameterTuple, Parameter, list[Parameter]]) - 训练网络中需要返回梯度的网络变量。一般可通过 `weights = net.trainable_params()` 获取。默认值： ``None`` 。
- **has_aux** (bool) - 是否返回辅助参数的标志。若为 ``True`` ， `fn` 输出数量必须超过一个，其中只有 `fn` 第一个输出参与求导，其他输出值将直接返回。默认值： ``False`` 。
返回：
Function，用于计算给定函数的梯度的求导函数。例如 `out1, out2 = fn(*args)` ，梯度函数将返回 `((out1, out2), gradient)` 形式的结果, 若 `has_aux` 为True，那么 `out2` 不参与求导。
异常：
- **ValueError** - 入参 `grad_position` 和 `weights` 同时为None。
- **TypeError** - 入参类型不符合要求。
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。