PyTorch在训练模型时，会自动计算梯度，梯度的计算是基于上一次迭代的梯度，如果不清零梯度，梯度会一直累加，从而影响训练结果。在每次迭代之前，PyTorch都会提供一个zero_grad()函数，用于清零梯度。
zero_grad()的使用方法
使用zero_grad()函数时，需要获取模型中所有需要更新的参数，一般可以使用model.parameters()函数获取，使用for循环迭代这些参数，对每个参数调用zero_grad()函数，即可完成清零梯度的操作。
for param in model.parameters():
param.zero_grad()
PyTorch还提供了一个optimizer.zero_grad()函数，用于清零优化器中所有参数的梯度。
optimizer.zero_grad()
以上就是PyTorch中使用zero_grad()清零梯度的方法，zero_grad()函数的使用可以有效地清零梯度，从而保证模型训练的正确性。