Loading

2025年5月6日
PyTorch中的可变对象与不可变对象
摘要： 在PyTorch中，可变对象与不可变对象的特性主要体现在张量（Tensor）的操作机制上，结合Python语言本身的特性，可以总结如下： 一、PyTorch张量的可变性 PyTorch中的张量是可变对象，其核心特性包括： 原地修改 张量的值可以通过索引或特定方法直接修改，而无需创建新对象。例如： a 阅读全文
posted @ 2025-05-06 18:06 C_noized 阅读(68) 评论(0) 推荐(0)
PyTorch中的梯度计算图（Computational Graph）的原理
摘要： PyTorch中的梯度计算图（Computational Graph）是其实现自动微分（Autograd）的核心机制，用于动态追踪张量操作并高效计算梯度。以下从原理与实现两个角度详细说明： 一、梯度计算图的核心原理 动态有向无环图（Dynamic DAG） • 结构与组成：计算图由节点（张量或操作） 阅读全文
posted @ 2025-05-06 17:30 C_noized 阅读(265) 评论(0) 推荐(0)