给定公式 𝑦3 = 𝑦1 + 𝑦2 = 𝑥 2 + 𝑥 3 ，且 𝑥 = 1。利用学习所得到的Tensor的相关知识，求𝑦3对的梯 度𝑥，即𝑑𝑦3 𝑑𝑥 。 要求在计算过程中，在计算 𝑥 3 时中断梯度的追踪，观察结果并进行原因分析 提示, 可使用withtorch.no_grad()， 举例: withtorch.no_grad(): y2 = x * 3

根据给定的公式 𝑦3 = 𝑦1 + 𝑦2 = 𝑥^2 + 𝑥^3，我们需要计算𝑦3对𝑥的梯度，即𝑑𝑦3/𝑑𝑥。

首先，我们使用PyTorch创建一个张量x并设置x=1：

import torch

x = torch.tensor(1.0, requires_grad=True)

接下来，我们定义𝑦1和𝑦2：

y1 = x ** 2
y2 = x ** 3

然后，我们计算𝑦3：

with torch.no_grad():
    y3 = y1 + y2

在计算y3时，我们使用了`torch.no_grad()`上下文管理器，这会中断梯度追踪，即y1和y2的梯度不会被计算。

最后，我们可以通过调用`backward()`方法来计算𝑦3对𝑥的梯度，并打印出梯度值：

y3.backward()
print(x.grad)

运行以上代码，将会输出梯度值为tensor(5.)。

这个结果的原因是，由于中断了对y1和y2的梯度追踪，所以在计算y3时只考虑了y1和y2的值，而不会反向传播梯度到x。因此，最终梯度值为5.