有关pytorch中梯度为None的情况

一直在用现成的框架写东西，这几天有空心血来潮想自己写个简单的神经网络，结果不知道怎么回事backward到第二步的时候w1.grad和w2.grad都是None
求各位解答：

import torch
import numpy as np
N, D_in, H, D_out = 64, 1000, 100, 10
learning_rate = 1e-6
x = torch.randn(N, D_in)
y = torch.randn(N, D_out)
w1 = torch.randn(D_in, H)
w2 = torch.randn(H, D_out)

learning_rate = 1e-6
for it in range(500):
    w1=w1.requires_grad_()
    w2=w2.requires_grad_()
    # Forward pass
    y_pred = x.mm(w1).clamp(min=0).mm(w2)
    # compute loss
    loss = (y_pred - y).pow(2).sum()  # computation graph
    print(it, loss.item())
    # Backward pass
    loss.backward()
    w1=(w1-learning_rate*w1.grad)
    w2=(w2-learning_rate*w2.grad)

兄弟你这种情况解决了吗，我也遇到一样的情况了。。

21行和22行重新对w1，w2 赋值了

https://www.jianshu.com/p/9ca53c4b63ad

自定义的变量默认requires_grad=false，所以定义的时候需要手动设定requires_grad=True,backward时才会对该变量自动求梯度