pytorch自定义反向传播问题

问题遇到的现象和发生背景

pytorch自定义反向传播问题

问题相关代码，请勿粘贴截图

相关代码：
criterion = torch.nn.MSELoss(size_average=False)
optimizer = torch.optim.SGD(model.parameters(), lr=1e-4)
for t in range(500):
y_pred = model(x)
loss = criterion(y_pred, y)
optimizer.zero_grad()
loss.backward()
optimizer.step()
print(loss.detach().numpy())

以上代码为损失函数MSE，优化器为SGD，利用loss.backward()自动求导进行反向传播实现梯度下降求解。

运行结果及报错内容

损失函数可表述为：L = 1/N * ∑ (y_pred - y) **2
其梯度为：x.grad = 2/N * ∑(y_pred - y) * ∑ (y_pred)'

我的解答思路和尝试过的方法

我想重写梯度求解的方法，就是不利用pytorch库里面的自动求导机制，而是用我自定义的函数去求梯度，
例如上述的梯度我想要重写为：x.grad = 2/N * ∑(y_pred - y)

我想要达到的结果

要如何编写自定义的函数求梯度，才能
经过重写的自定义梯度求解后，放进神经网络里面也能正常迭代计算