预备知识（3）

自动求导：

前提：x=torch.arange(4.0)

计算y关于x求导的梯度：

在计算前，要找一个地方来存求出的梯度，用：

x.require_grad_(True) #等价于 x=torch.arange(4.0,require) , 梯度一开始默认为None

计算：

y = 2 * torch.dot(x, x)
y

得：

tensor(28., grad_fn=<MulBackward0>)

接下来，我们通过调用反向传播函数来自动计算y关于x每个分量的梯度，并打印这些梯度：

y.backward()   #反向传播函数
x.grad

得：

tensor([ 0.,  4.,  8., 12.])    #前面的y=2*x^2,那么y求导以后，y=4*x，在新的每一点的导数就是0 4 8 12 

在默认情况下，PyTorch会累积梯度，我们需要清除之前的值

要清除就输入一次：x.grad.zero_()