什么是 autograd ？介绍 PyTorch 中的 autograd 包

autograd 包是 PyTorch 中所有神经网络的核心。首先让我们简要地介绍它，然后我们将会去训练我们的第一个神经网络。该 autograd 软件包为 Tensors 上的所有操作提供自动微分。它是一个由运行定义的框架，这意味着以代码运行方式定义你的后向传播，并且每次迭代都可以不同。我们从 tensor 和 gradients 来举一些例子。

torch.Tensor 是包的核心类。如果将其属性 .requires_grad 设置为 True，则会开始跟踪针对 tensor的所有操作。完成计算后，您可以调用 .backward() 来自动计算所有梯度。该张量的梯度将累积到.grad 属性中。

要停止 tensor 历史记录的跟踪，您可以调用 .detach()，它将其与计算历史记录分离，并防止将来的计算被跟踪。

要停止跟踪历史记录(和使用内存)，您还可以将代码块使用 with torch.no_grad(): 包装起来。在评估模型时，这是特别有用，因为模型在训练阶段具有 requires_grad = True 的可训练参数有利于调参，但在评估阶段我们不需要梯度。

还有一个类对于 autograd 实现非常重要那就是 Function。Tensor 和 Function 互相连接并构建一个非循环图，它保存整个完整的计算过程的历史信息。每个张量都有一个 .grad_fn 属性保存着创建了张量的 Function 的引用，(如果用户自己创建张量，则g rad_fn 是 None )。

如果你想计算导数，你可以调用 Tensor.backward()。如果 Tensor 是标量(即它包含一个元素数据)，则不需要指定任何参数backward()，但是如果它有更多元素，则需要指定一个gradient 参数来指定张量的形状。

分享一份pytorch官方教程，里面的内容相当丰富，我认为，值得大家好好学一学。这套PDF包含pytorch介绍、下载安装、60分钟快速入门。可以迅速从小白阶段完成一个分类器模型，计算机视觉常用模型，方便基于自己的数据进行调整，不再需要从头开始写。

下面是部分截图，点击文末名片关注我的公众号【AI技术星球】发送暗号 321 领取（一定要发暗号 321）

一、教程介绍/大纲部分

二、Anaconda安装教程

三、PyTorch & torchvision安装部分

四、神经网络：现在对于自动梯度(autograd)有一些了解，神经网络是基于自动梯度 (autograd)来定义一些模型。一个 nn.Module 包括层和一个方法 forward(input) 它会返回输出(output)。

五、图像分类器

六、内容太多不一展示，大家直接看原文档就行了

点击下方名片，扫码关注【AI技术星球】发送暗号 321 免费领取文中资料。