在TensorFlow中，自動微分是通過`tf.GradientTape`這個上下文管理器實現的。使用`tf.GradientTape`可以輕松地計算張量相對于某些變量的梯度。
以下是一個簡單的示例，演示了如何在TensorFlow中使用`tf.GradientTape`進行自動微分：
```python
import tensorflow as tf
# 定義輸入變量
x = tf.constant(3.0)
# 定義需要求導的函數
def f(x):
return x**2
# 在tf.GradientTape()上下文中記錄操作
with tf.GradientTape() as tape:
# 計算函數值
y = f(x)
# 計算關于x的導數
dy_dx = tape.gradient(y, x)
print(dy_dx)
```
在上面的示例中，我們定義了一個簡單的函數`f(x) = x^2`，然后使用`tf.GradientTape()`來記錄相關操作，并通過`tape.gradient()`方法計算函數關于變量`x`的導數。
TensorFlow會根據記錄的操作圖自動計算梯度，并返回相應的導數值。這種自動微分的功能讓用戶可以方便地進行梯度計算，加速機器學習模型的訓練過程。
