我尝试使用优化器进行简单的权重更新，如下所示：

x = torch.rand(10, requires_grad=True)
y = x * 15. + 10.
optimizer = torch.optim.Adam
loss = torch.nn.MSELoss()
def train(x, y, loss, ep, opti):
    w = torch.rand(1, dtype=torch.float32, requires_grad=True)
    b = torch.rand(1, dtype=torch.float32, requires_grad=True)
    op = opti([w, b])
    for e in range(ep):
        y_hat = x.multiply(w) + b
        l = loss(y_hat, y)
        print(f'Epoch: {e}, loss: {l}')
        l.backward()
        op.step()
        op.zero_grad()
    return w, b
w_hat, b_hat = train(x, y, loss, 10, optimizer)

然而，尽管我在每一步都将梯度归零，我还是遇到了Trying to backward through the graph a second time错误，我不明白为什么会这样。
你有什么建议吗？

回答：

原因是x
请将第一行更改为x = torch.rand(10)