前言

提示：本篇博客主要是记录torch.autograd的学习过程，当作是一个笔记来使用。
背景知识：

神经网络（NN）是在某些输入数据上执行的嵌套函数的集合。这些函数由参数（由权重和偏差组成）定义，这些参数在 PyTorch 中存储在张量中。
训练 NN 分为两个步骤：

正向传播：在正向传播中，NN 对正确的输出进行最佳猜测。它通过其每个函数运行输入数据以进行猜测。
反向传播：在反向传播中，NN 根据其猜测中的误差调整其参数。它通过从输出向后遍历，收集有关函数参数（梯度）的误差导数并使用梯度下降来优化参数来实现。

一、正向传播

通过模型的每一层运行输入数据以进行预测，这是正向传播，下面的代码帮助理解。

import torch, torchvision
model = torchvision.models.resnet18(pretrained=True)
data = torch.rand(1, 3, 64, 64)
labels = torch.rand(1, 1000)
prediction = model(data) # 正向传播

二、反向传播

2.1 反向传播过程

核心过程如下图，详细内容指路此处
反向传播核心

2.2 案例代码

2.2.1 反向传播

使用模型的预测和相应的标签来计算误差（loss）。下一步是通过网络反向传播此误差。当我们在误差张量上调用【.backward()】时，开始反向传播。然后，Autograd 会为每个模型参数计算梯度并将其存储在参数的【.grad】属性中。代码如下：

loss = (prediction - labels).sum()
loss.backward() # 反向传播

2.2.2 优化参数

接下来，加载一个优化器，在本例中为 SGD，学习率为 0.01，动量为 0.9。我们在优化器中注册模型的所有参数。最后，我们调用【.step()】启动梯度下降。优化器通过.grad中存储的梯度来调整每个参数。

optim = torch.optim.SGD(model.parameters(), lr=1e-2, momentum=0.9)
optim.step() # 梯度下降

三、Autograd 的微分

下面将使用简单的案例展示autograd如何收集梯度，我们用requires_grad=True创建两个张量a和b，这向autograd发出信号，应跟踪对它们的所有操作。

import torch
a = torch.tensor([2., 3.], requires_grad=True)
b = torch.tensor([6., 4.], requires_grad=True)

从a和b创建另一个张量Q， $Q=3a^3 - b^2$ ，则
$\frac{\partial Q}{\partial a}=9a^2$ $\frac{\partial Q}{\partial b}=-2b$
当我们在Q上调用【.backward()】时，Autograd 将计算这些梯度并将其存储在各个张量的【.grad】属性中。我们需要在Q.backward()中显式传递gradient参数，因为它是向量。 gradient是与Q形状相同的张量，它表示Q相对于本身的梯度，即
$\frac{dQ}{dQ} = 1$
同样，我们也可以将Q聚合为一个标量，然后隐式地向后调用，例如Q.sum().backward()。

external_grad = torch.tensor([1., 1.])
Q.backward(gradient=external_grad)

梯度现在沉积在a.grad和b.grad中，使用下列代码可以查看。

print(9*a**2 == a.grad)
print(-2*b == b.grad)

四、计算图

从概念上讲，Autograd 在由函数对象组成的有向无环图（DAG）中记录数据（张量）和所有已执行的操作（以及由此产生的新张量）。在此 DAG 中，叶子是输入张量，根是输出张量。通过从根到叶跟踪此图，可以使用链式规则自动计算梯度。

常用函数：

torch.Tensor.grad：默认情况下，此属性为 None 并在第一次调用 backward() 为 self 计算梯度时变为张量。
torch.Tensor.requires_grad：为True时计算梯度

在正向传播中，Autograd 同时执行两项操作：

运行请求的操作以计算结果张量；
并且在 DAG 中维护操作的梯度函数。

当在 DAG 根目录上调用.backward()时，后退通道开始，autograd然后：

从每个.grad_fn计算梯度，
将它们累积在各自的张量的.grad属性中，
然后使用链式规则，一直传播到叶子张量。

注意：
1、DAG 在 PyTorch 中是动态的。要注意的重要一点是，图是从头开始重新创建的；在每个【.backward()】调用之后，Autograd 开始填充新图。这正是允许您在模型中使用控制流语句的原因。您可以根据需要在每次迭代中更改形状，大小和操作。
2、【torch.autograd】跟踪所有将其requires_grad标志设置为True的张量的操作。对于不需要梯度的张量，将此属性设置为False会将其从梯度计算 DAG 中排除，在 NN 中，不计算梯度的参数通常称为冻结参数。如果事先知道您不需要这些参数的梯度，则“冻结”模型的一部分很有用（通过减少自动梯度计算，这会带来一些表现优势）。