文档摘要

第 2 章 · 张量与自动求导 章节摘要：深度学习框架里几乎所有东西都是张量：输入、权重、中间激活、梯度。本章把 与 并排放：形状、dtype、设备、与 NumPy 互转、广播与矩阵乘。随后专节对照 与 ——这是原文选型理由里点名、旧结构却没有单独成节的能力。层、激活、损失、优化器、前向与反向，都建立在「张量能算、梯度能录」之上。读完你应当能把一侧的三行张量代码翻译成另一侧，并指出梯度录不上的两种典型原因。 会员。《第2章 张量与自动求导》收录于灏天文库文集《TensorFlow、PyTorch 入门实战：快速搭建你的第一个AI模型》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/465-tensorflowpytorch-%E5%85%A5%E9%97%A8%E5%AE%9E%E6%88%98%E5%BF%AB%E9%80%9F%E6%90%AD%E5%BB%BA%E4%BD%A0%E7%9A%84%E7%AC%AC%E4%B8%80%E4%B8%AAai%E6%A8%A1%E5%9E%8B

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流