python torch

import torch

# 创建一个张量
x = torch.tensor([1.0, 2.0, 3.0, 4.0])

# 创建一个需要计算梯度的张量
y = torch.tensor([5.0, 6.0, 7.0, 8.0], requires_grad=True)

# 定义一个简单的线性函数
z = x + y

# 计算 z 的均值
mean_z = z.mean()

# 反向传播，计算梯度
mean_z.backward()

# 打印 y 的梯度
print(y.grad)

解释说明：

1. 导入 PyTorch 库:

   import torch

   这行代码导入了 PyTorch 库，它是用于深度学习和科学计算的强大工具。

2. 创建张量:

   x = torch.tensor([1.0, 2.0, 3.0, 4.0])

   创建了一个包含四个浮点数的张量 x。

3. 创建需要计算梯度的张量:

   y = torch.tensor([5.0, 6.0, 7.0, 8.0], requires_grad=True)

   创建了一个同样包含四个浮点数的张量 y，并且设置 requires_grad=True 表示这个张量需要计算梯度。

4. 定义一个简单的线性函数:

   z = x + y

   将张量 x 和 y 相加，结果存储在张量 z 中。

5. 计算 z 的均值:

   mean_z = z.mean()

   计算张量 z 的均值，并将结果存储在 mean_z 中。

6. 反向传播，计算梯度:

   mean_z.backward()

   调用 backward() 方法进行反向传播，自动计算并存储 y 的梯度。

7. 打印 y 的梯度:

   print(y.grad)

   打印张量 y 的梯度，验证反向传播是否正确执行。