页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「自动微分」找到 3 条内容
按专题浏览 →匹配正文：动态计算图与自动微分 PyTorch eager 模式在执行 forward 运算时记录参与求导的操作。只要 grad mode 开启且相关输入 requires_grad，结果 Tensor 会通过 grad_fn 指向自动微分图中的节点。图是本次实际执行路径的记录，因此 Python 分支、循环和动态形状可以在下一次迭代构建不同的图。 autograd 主要使用反向模式自动微分。forward 中部分算子会保存 backward 所需的 Tensor；调用 backwar…
匹配题目：请解释PyTorch中的计算图机制，它是如何支持自动微分的？在动态计算图与静态计算图之间，PyTorch的设计有何优势和局限？
匹配口述回答：…网络学习的边缘速度以及求解器误差。这样公式、语义和实现才能对上。 实现时我会先写一个最小数值检查。随机取一对端点和几个中间时刻，用自动微分或有限差分验证 x_t 对时间的导数确实等于端点差，再检查两个等价式只在各自分母非零时使用。这个小测试能很快发现一减 t 写成 t、端点方向写反或速度符号相反的问题。 进入真实训练后，还要看端点配对怎样产生。独立配对、最优传输近似配对或模型重配对，会改变条件路径和学习难度，不能只盯同一个速度公式。评测时我会按时间分桶观察速度误差，并用相同 …
学习内容与项目面试，在同一条路上。