关于 PyTorch 的面试题及解析

---

PyTorch 是一个开源的机器学习库，主要用于进行计算机视觉（CV）、自然语言处理（NLP）、语音识别等领域的研究和开发；PyTorch 以其灵活性和易用性而闻名，特别适合于深度学习研究和开发。

---

1. 什么是张量 (Tensor)，它与 NumPy 数组有什么区别？

张量是 PyTorch 中的核心数据结构，用于表示多维数组。虽然张量类似于 NumPy 数组，但它具有更强大的功能，比如支持 GPU 加速计算和自动求导机制。

import torch
tensor = torch.tensor([[1, 2], [3, 4]])
print(tensor)

---

2. 如何创建一个随机初始化的张量？

可以使用 torch.rand 或其他类似的函数来生成随机张量。

random_tensor = torch.rand(3, 3)  # 创建一个形状为 (3, 3) 的随机张量
print(random_tensor)

---

3. 自动求导是如何工作的？

PyTorch 提供了一个名为 Autograd 的模块，能够通过跟踪操作记录并构建动态计算图，从而实现梯度的自动计算。当调用 .backward() 方法时，会触发反向传播过程。

x = torch.tensor([2.0], requires_grad=True)
y = x ** 2 + 3 * x + 1
y.backward()
print(x.grad)  # 输出梯度 dy/dx

---

4. 如何保存和加载模型？

可以通过 torch.save 和 torch.load 来分别保存和加载模型的状态字典或整个模型对象。

# 保存模型参数
torch.save