导数历史存放在张量的grad_fn属性中，如果该张量手动创建则该属性值 none，如何恢复grad_fn属性值

在PyTorch中，`grad_fn`属性用于存储张量的计算历史，也就是所谓的“函数链”或“运算图形”的部分，它是自动微分的核心。当张量是从数据中加载而不是通过计算得出（比如输入数据），它的`grad_fn`将为None，因为这些张量并没有计算历史。

如果你想恢复一个手动创建并且没有计算历史的张量的`grad_fn`，你实际上不需要特别地去做，因为当你首次对该张量进行数学运算时，`grad_fn`就会开始记录。例如，当你执行像`a + b`这样的操作，`a`和`b`的`grad_fn`会被替换为它们之间的加法运算符，这个运算符的实例将成为新的`grad_fn`。

如果你有一个手动创建的张量，想要给它分配一个梯度，可以首先将`requires_grad`设置为True，然后对其应用一个算子，如：

x = torch.tensor([1., 2.], requires_grad=True)
y = x * 2

在这个例子中，`y`的`grad_fn`已经被初始化，因为它是由`x`经过乘法运算得到的。

如果你想检查某个张量的`grad_fn`，可以简单地打印它：

print(y.grad_fn)  # 输出加法运算符的实例