pytorch 正态分布的梯度

在PyTorch中，如果一个张量是从正态分布中随机生成的，那么它的梯度可以通过使用`requires_grad=True`来开启自动求导，然后将该张量传递给计算图中的某些函数，例如`torch.sum()`或`torch.mean()`等。当调用`backward()`方法时，PyTorch会自动计算梯度，并将梯度存储在该张量的`grad`属性中。

下面是一个简单的示例：

import torch

# 从均值为0，标准差为1的正态分布中随机生成一个张量
x = torch.randn(3, 4, requires_grad=True)

# 计算张量的平均值
y = torch.mean(x)

# 计算梯度
y.backward()

# 打印梯度
print(x.grad)

在这个示例中，我们从均值为0，标准差为1的正态分布中随机生成一个3x4的张量，并将`requires_grad`设置为`True`。然后，我们计算了张量的平均值，并调用了`backward()`方法来计算梯度。最后，我们打印了梯度，它应该是一个与x形状相同的张量。