requires_grad=true怎么用

`requires_grad=True`是一种在PyTorch中创建可训练参数的方法。通过将`requires_grad`设置为`True`，PyTorch会自动跟踪该张量的所有操作，以便计算梯度，并在反向传播时将其用于参数更新。

以下是一个简单的示例，展示如何使用`requires_grad=True`创建一个可训练的参数：

import torch

x = torch.randn(3, 3, requires_grad=True)
print(x)

在此代码中，我们使用`torch.randn()`函数创建一个3x3的张量`x`，并将`requires_grad`设置为`True`，以便PyTorch跟踪该张量的梯度。

现在，我们可以对`x`执行一些操作，并使用反向传播计算梯度：

y = x * 2 + 1
z = y.mean()

z.backward()

print(x.grad)

在此代码中，我们首先使用`x`计算`y`，并将其乘以2并添加1。然后，我们计算`y`的平均值，并使用`backward()`函数计算梯度。最后，我们使用`x.grad`打印`x`的梯度。

注意，我们需要在执行反向传播之前对`z`进行求值。这是因为PyTorch只能计算标量张量的梯度，因此我们需要将结果平均到一个标量上。