问题描述：
????????/data/Code/Incremental_learning/OCM-main/cifar.py:83: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).
问题分析：
????????这个警告是 PyTorch 给出的建议，提示你在构造新的张量时最好使用 tensor.clone().detach() 或 tensor.clone().detach().requires_grad_(True)，而不是 torch.tensor(sourceTensor)。??
具体说明，? 如果你使用了类似以下的代码：
new_tensor = torch.tensor(existing_tensor)
PyTorch 建议改为：
new_tensor = existing_tensor.clone().detach()
或者：
new_tensor = existing_tensor.clone().detach().requires_grad_(True)
??????? 因为，torch.tensor(sourceTensor) 创建了一个新的张量，该张量与原始张量 sourceTensor 共享相同的数据，但是没有共享梯度信息。在某些情况下，这可能会导致梯度计算中的问题，因此 PyTorch 建议使用 clone().detach() 或 clone().detach().requires_grad_(True) 以更明确和安全的方式创建新的张量，确保梯度信息也被正确处理。
????????可以根据实际情况选择其中一种方法，具体取决于你是否需要保留梯度信息。
????????如果不需要梯度信息，使用 clone().detach()；
????????如果需要梯度信息，使用 clone().detach().requires_grad_(True)。