1.3_Pytorch自动求梯度原理介绍

文档摘要

Pytorch自动求梯度原理介绍在深度学习模型训练中，在完成一次前向推理后，我们需要使用反向传播，依据每个参数的梯度，调整参数的取值来让模型往正确的方向前进。 PyTorch提供的autograd能力能够帮我们实现这一过程，极大的简化了模型训练的难度。其可以根据输入和前向传播过程自动构建计算图，并执行反向传播。本文将简单介绍pytorch中与自动求导相关的内容。反向传播的一般流程 pytorch为我们做了很好的封装，反向传播的实现细节已经被极大的隐藏，无论模型多么复杂，只需简单的几行代码即可完成。