我找不到Julia Flux的gradient函数的参考文档，只有几个教程示例。
我了解gradient是如何用于计算函数的梯度的，例如语法
f(x, y) = x^2 + y^2
df(x, y) = gradient(f, x, y)
将基本上产生CCD_ 3。然而，稍后教程使用了以下语法，没有任何解释：
gs = gradient(() -> loss(x, y), Flux.params(W, b))
我认为有一些方法可以从数学的角度解释() -> loss(x, y)的梯度，但我不确定这是否就是这里发生的事情。那么这个匿名函数是什么呢？为什么gradient是这样设计的呢？请提供gradient完整文档的链接。
首先，指向gradient文档的链接：https://fluxml.ai/Zygote.jl/dev/#Zygote.gradient
gradient知道返回函数中引用但未作为参数传递的变量的导数。问题中的例子就是这样。它在手册中被称为隐式。要区分的参数以Params类型的值传递。在该示例中，Params是由辅助函数Flux.params创建的。当使用隐式样式时，函数将作为零参数函数传递(请参阅手册(。
关于语法本身(与gradient一起使用无关(：
() -> loss(x, y)是一个匿名函数(有时在函数式编程上下文中称为lambda函数(。本质上类似于一个常规函数，但可一次性使用，无需为选择名称而烦恼。
关于这些的Julia手册链接是https://docs.julialang.org/en/v1/manual/functions/#man-匿名函数
以下是更多示例：
带1个参数：map(x -> x^2 + 2x - 1, [1, 3, -1])
有两个参数：(x,y) -> 2*x + y
无参数：() -> time()