可追踪梯度的张量

torch.tensor([2.0], requires_grad=True) 代码解析

这行代码创建了一个可追踪梯度的张量，是PyTorch实现自动求导的基础配置。具体含义如下：

核心功能拆解

1. torch.tensor([2.0])

   • 创建一个包含数值2.0的浮点型张量（dtype=torch.float32）
   • 形状为(1,)的一维张量（可理解为单个元素的数组）

2. requires_grad=True

   • 关键参数：启用梯度追踪功能，标记该张量为"需要计算梯度的叶子节点"
   • 作用：PyTorch会记录该张量参与的所有运算，从而在反向传播时计算其梯度值
   • 默认值：False（普通张量不追踪梯度，节省计算资源）

为什么需要这样定义？

在神经网络训练中：

• 输入数据/权重参数需要设置requires_grad=True，以便计算损失函数对它们的梯度