nn.Parameter(tensor)和对一个tensor直接进行requires_grad=True

还是有区别的。
nn.Parameter会直接把你的这个参数放到优化器里去优化
requires_grad=True只是说这个参数有了梯度，你可以对他进行优化，但是它不会给你放到优化器里，你还是要自己去优化的。

import torch

import torch.nn as nn
class mod(nn.Module):
    def __init__(self):
        super(mod,self).__init__()
        self.w1=torch.tensor([1,2],dtype=torch.float32,requires_grad=True)
        a=torch.tensor([3,4],dtype=torch.float32)
        self.w2=nn.Parameter(a)
    def forward(self,inputs):
        o1=torch.dot(self.w1,inputs)#使用了带梯度的普通tensor
        o2=torch.dot(self.w2,inputs)#使用了parameter
        return o1+o2  

model=mod()
for p in model.parameters():
    print(p)

输出：
Parameter containing:
tensor([3., 4.], requires_grad=True)