在训练网络时使用Tensor非常方便,从上一节线性回归的例子来看,反向传播过程需要手动实现,这对于像线性回归这样较为简单的模型还比较容易。在实际使用中经常出现非常复杂的网络结构,此时手动实现反向传播,不仅费时费力,而且容易出错,难以检查。torch.autograd就是为了方便用户使用而专门开发的一套自动求导引擎,它能够根据输入和前向传播过程自动构建计算图,执行反向传播。
计算图(Computation Graph)是包括PyTorch和TensorFlow在内的许多现代深度学习框架的核心,它为反向传播(Back Propogation)算法提供了计算基础,了解计算图在实际写程序的过程中会有极大的帮助。