如何在 PyTorch 中创建具有梯度的张量？
为了创建具有梯度的张量，我们在创建张量时使用了一个额外的参数“requires_grad=True”。
requires_grad是控制张量是否需要梯度的标志。
只有浮点和复数dtype张量可以需要梯度。
如果requires_grad为false，则张量与没有requires_grad参数的张量相同。
语法
torch.tensor(value, requires_grad = True)
参数
值——张量数据，用户定义的或随机生成的。
requires_grad–一个标志，如果为True，则张量包含在梯度计算中。
输出结果
它返回一个requires_grad为True的张量。
脚步
导入所需的库。所需的库是torch。
使用requires_grad=True定义张量
用梯度显示创建的张量。
让我们举几个例子来更好地理解它是如何工作的。
示例1
在以下示例中，我们创建了两个张量。一个张量没有requires_grad=True，另一个是requires_grad=True。
# import torch library
import torch
# create a tensor without gradient
tensor1 = torch.tensor([1.,2.,3.])
# create another tensor with gradient
tensor2 = torch.tensor([1.,2.,3.], requires_grad = True)
# print the created tensors
print("张量1：", tensor1)
print("张量2：", tensor2)输出结果张量1： tensor([1., 2., 3.]) 张量2： tensor([1., 2., 3.], requires_grad=True)
示例2
# import required library
import torch
# create a tensor without gradient
tensor1 = torch.randn(2,2)
# create another tensor with gradient
tensor2 = torch.randn(2,2, requires_grad = True)
# print the created tensors
print("张量1：\n", tensor1)
print("张量2：\n", tensor2)输出结果张量1：
tensor([[-0.9223, 0.1166],
[ 1.6904, 0.6709]])
张量2：
tensor([[ 1.1912, -0.1402],
[-0.2098, 0.1481]], requires_grad=True)示例3
在下面的示例中，我们使用numpy数组创建了一个具有梯度的张量。
# import the required libraries import torch import numpy as np # create a tensor of random numbers with gradients # generate 2x2 numpy array of random numbers v = np.random.randn(2,2) # create a tensor with above random numpy array tensor1 = torch.tensor(v, requires_grad = True) # print above created tensor print(tensor1)输出结果
tensor([[ 0.7128, 0.8310], [ 1.6389, -0.3444]], dtype=torch.float64, requires_grad=True)