从0开始深度学习（6）——Pytorch动态图机制（前向传播、反向传播）

PyTorch 的动态计算图机制是其核心特性之一，它使得深度学习模型的开发更加灵活和高效。

0 计算图

计算图（Computation Graph）是一种用于表示数学表达式或程序流程的图形结构，可以将复杂的表达式分解成一系列简单的操作，并以节点和边的形式展示这些操作及其之间的关系，能够清晰地展示计算过程中的依赖关系

• 节点（Nodes）： 表示变量或常量，也可以表示操作（如加法、乘法等）。
• 边（Edges） ：表示数据流的方向，即一个操作的结果如何作为输入传递给下一个操作。

举例说明

假设我们有如下的表达式：
$x=a+b$
$y=c\ast d$
$z=x+y$

其中$a,b,c,d$是输入变量，$z$是输出变量。

假设令$a=1,b=2,c=3,d=4$，则可以根据上面的计算图，计算出$z$，计算过程如下：
$x=a+b=$