我正在研究“使用 fastai 和 Pytorch 为编码人员进行深度学习”。第 4 章通过一个简单的例子介绍了 PyTorch 库中的 autograd 函数。
x = tensor([3.,4.,10.]).requires_grad_()
def f(q): return sum(q**2)
y = f(x)
y.backward()
我的问题归结为：y = f(x)is的结果tensor(125., grad_fn=AddBackward0)，但这到底意味着什么？为什么我要将三个完全不同的输入值相加？
我知道.backward()在这种情况下使用是在这种情况下的简写.backward(tensor[1.,1.,1.])，但我没有看到在列表中对 3 个不相关的数字求和如何帮助获得任何东西的梯度。我不明白什么？
我不是在这里寻找研究生级别的解释。我正在使用的这本书的副标题是没有博士学位的人工智能应用程序。我在学校的渐变经验是我应该恢复一个功能，但我知道 Autograd 不是这种情况。这个简短示例的图表会有所帮助，但我在网上看到的那些通常包含太多参数或权重和偏差而无用，我的思绪迷失在路径中。