torch.requires_grad_()方法是干嘛的

`torch.requires_grad_()` 是 PyTorch 中的一个方法，用于设置张量的 `requires_grad` 属性。`requires_grad` 属性决定了张量是否需要梯度计算。

当我们需要对某个张量进行梯度计算时，可以将 `requires_grad` 属性设置为 `True`。这样，在张量上执行的操作将会被跟踪，从而能够自动计算梯度。当执行反向传播时，这些张量的梯度将会被计算和更新。

下面是一个示例：

import torch

x = torch.tensor([1.0, 2.0, 3.0], requires_grad=True)
y = x ** 2
z = y.sum()

# 对 z 执行反向传播
z.backward()

# 访问梯度
print(x.grad)

在这个示例中，我们创建了一个张量 `x`，并将其 `requires_grad` 属性设置为 `True`。然后，我们对 `x` 进行了一系列操作，计算出了 `z`。最后，我们调用 `backward()` 方法执行反向传播，计算出了 `x` 的梯度并打印出来。

需要注意的是，默认情况下，张量的 `requires_grad` 属性是 `False`，即不会自动计算梯度。如果要使用自动求导功能，需要将其设置为 `True`。