在进行模型训练时，我遇到了一个运行时错误，具体信息为：RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn。这个错误出现在以下训练循环中，按理说Sequential模型自身应当已经设置了梯度计算，但目前的提示是找不到梯度。
"""Training"""
Epochs = 100
for epoch in range(Epochs):
model.train()
train_logits = model(X_train)
# 这里直接进行了预测并转换为概率和类别，应仅计算logits然后应用损失函数
train_preds_probs = torch.softmax(train_logits, dim=1).argmax(dim=1).type(torch.float32)
loss = loss_fn(train_preds_probs, y_train) # 这里出错是因为传入了已经是预测类别的张量
train_accu = accuracy(y_train, train_preds_probs)
print(train_preds_probs)
optimiser.zero_grad()
loss.backward() # 这里尝试计算损失的梯度，但由于数据问题失败了
optimiser.step()
# 应该是验证过程，但误用了'train()'状态和'y_train'作为标签
model.eval()
with torch.inference_mode():
test_logits = model(X_test)
# 类似的，这里也过早地进行了预测处理
test_preds = torch.softmax(test_logits.type(torch.float32), dim=1).argmax(dim=1)
test_loss = loss_fn(test_preds, y_train) # 应该使用'y_test'
test_acc = accuracy(y_test, test_preds)
if epoch % 10 == 0:
print(f'Epoch:{epoch} | Train loss: {loss} | Training acc:{train_accu} | Test Loss: {test_loss} | Test accu: {test_acc}')
我曾尝试上网搜索这个问题，但未能找到解决方案。
任何帮助都将不胜感激！