自动微分（Automatic Differentiation）和 torch.autograd

torch.autograd 是 PyTorch 中的核心模块之一，用于支持自动微分。它通过动态计算图的方式实现梯度计算，主要应用于深度学习中的反向传播算法，自动求导无需手动计算梯度，简化了训练神经网络的过程。以下为模块核心概念和功能的详细讲解：

1. 计算图（Computational Graph）

PyTorch 使用动态计算图（DAG, Directed Acyclic Graph）来表示计算过程：

• 节点：图中的节点表示张量（Tensor）和操作（Function）。
• 边：图的边表示张量流动以及操作的依赖关系。

例如：以下代码构建了一个简单计算图：

x =