pytorch-为什么要使用张量。需要_grad（True）而不是张量。需要_grad=True

我正在阅读PyTorch的简介，对

张量有点困惑。需要_grad_（…）

函数。为什么人们更喜欢它而不是仅仅使用setter:

Tensor.requires\u grad=…

？Setter语法似乎更清晰易读。为什么要用这个有趣的下划线后缀来引入这个奇怪的函数？

两者都是同样可取的

tensor.requires\u grad\u（）

将默认布尔参数设置为

True

，而使用

tensor.requires\u grad=True

则必须显式设置值。因此，有时前者可能比后者更方便。此外，尾随的

（下划线）表示操作已就位。