1.Autograd

• grad和grad_fn
  • grad：该tensor的梯度值，每次在计算backward时都需要将前一时刻的梯度归零，否则梯度值会一直累加
  • grad_fn：叶子结点通常为None，只有结果节点的grad_fn才有效，用于只是梯度函数时哪种类型
• torch.autograd.backward(tensors,grad_tensors,retain_graph,create_graph)
  • 参数tensors：用于计算梯度的tensor
  • 参数grad_tensors：在计算矩阵的梯度时会用到
  • 参数retain_graph：通常在调用一次backward后，pytorch会自动把计算图销毁，所以想要对某个变量重复调用backward，则需要将该参数值设为True，默认值为False
  • 参数create_graph：如果为True，则会创建一个专门计算微分的图
• torch.autograd.grad(output,input,grad_output,retain_graph,create_graph,only_input,allow_unused)
  • 计算和返回output关于input的梯度的和
  • 参数output：函数的因变量，即需要求导的函数
  • 参数input：函数的自变量
  • 参数grad_output、retain_graph、create_graph：同backward
  • 参数only_input：值为True时只计算input的梯度
  • 参数allow_unused：值为False时，当计算输出出错时，指明不使用inpiu
• torch.autograd.Function
  • 每一个原始的自动求导运算实际上是两个在tensor上运行的函数
    • forward函数：计算从输入tensor获得的输出tensor
    • backward函数：接收输出tensor对于某个标量值的梯度，并且计算输入tensor相对于该相同标量值的梯度
    • 利用apply方法执行相应的运算

import torch
class line(torch.autograd.Function):@staticmethoddef forward(ctx, w, x, b):ctx.save_for_backward(w,x,b)return w * x + b@staticmethoddef backward(ctx,grad_out):w,x,b = ctx.saved_tensorsgrad_w = grad_out * xgrad_x = grad_out * wgrad_b = grad_outreturn grad_w, grad_x, grad_b
w = torch.rand(2,2,requires_grad=True)
x = torch.rand(2,2,requires_grad=True)
b = torch.rand(2,2,requires_grad=True)
out = line.apply(w,x,b)
out.backward(torch.ones(2,2))
print(w,x,b)
print(w.grad)
print(x.grad)
print(b.grad)

• 其他torch.autograd包中的函数
  • torch.autograd.enable_grad：启动梯度计算的上下文管理器
  • torch.autograd.no_grad：禁止梯度计算的上下文管理器
  • torch.autograd.set_grad_enabled(mode)：设置是否进行梯度计算的上下文管理器

2.nn库

torch.nn库是专门为神经网络设计的模块化接口，自动计算前向传播和反向传播，可以用来定义和运行神经网络。

• nn.Parameter & nn.ParameterList & nn.ParameterDict
  • 定义可训练参数
• nn.Linear & nn.conv2d & nn.ReLU & nn.MaxPool2d & nn.MSELoss
  • 各种神经网络层的定义，继承于nn.Module的子类
• nn.functional
  • 包含了torch.nn库中所有的函数，包含大量loss和activation function
  • nn.functional.xxx是函数接口
  • nn.functional.xxx无法与nn.Sequential结合使用
• nn.Sequential
  • 通过一个序列的方法完成对一个网络的定义
• nn.ModuleList
  • 用于搭建一个网络模型
• nn.MouduleDict
  • 通过字典的方式搭建一个网络模型

具体案例使用，后期在神经网络的学习中

 知识点为听课总结笔记，课程为B站“2025最新整合！公认B站讲解最强【PyTorch】入门到进阶教程，从环境配置到算法原理再到代码实战逐一解读，比自学效果强得多！”：2025最新整合！公认B站讲解最强【PyTorch】入门到进阶教程，从环境配置到算法原理再到代码实战逐一解读，比自学效果强得多！_哔哩哔哩_bilibili