第三十五课：大白话教你pytorch自动求导

PyTorch自动求导：让AI学会"自我反省"的魔法

大家好！这节课我们要拆解PyTorch最强大的"自省"功能——自动求导系统。这就像给AI装了个"后悔药生成器"，让它能自己找出错误并改正。我会用做菜翻车的例子带大家理解整个过程！

1. 自动计算梯度：AI的"味觉反馈系统"

想象你在学做菜（训练模型）：

• 每次做完（前向传播）都要尝一口（计算损失）
• 发现太咸了 → 知道盐放多了（梯度）
• 发现太甜了 → 知道糖放多了（另一个梯度）

PyTorch的requires_grad=True就是开启"味觉记录仪"：

import torch

# 准备"调料"(参数)
salt = torch.tensor(2.0, requires_grad=True)  # 盐量
sugar = torch.tensor(3.0, requires_grad=True) # 糖量

def cook_dish(salt, sugar):
    return salt**2 + sugar**3  # 假设这是"难吃程度"

# 第一次做菜
taste = cook_dish(salt, sugar)
print(f"初始难吃程度: {
     
     taste.item():.2f}")  # 输出: 2² + 3³ = 31

2. 反向传播：AI的"厨艺反思时间"

调用.backward()就像请美食家点评：

• 他会告诉你盐糖各贡献了多少"难吃值"

# 开始反思！
taste.backward()

# 查看"反思笔记"(梯度)
print