问如何在PyTorch中查找和理解自动生成的源代码

EN

1. 试着理解自动毕业的变量可能是第一件事，你能做什么。据我理解，自动梯度只是模块的命名，它包含具有增强梯度和向后函数的类。
2. 需要注意的是，很多算法，例如，通过图形的反向支持，都隐藏在编译代码中。
3. 如果您查看.py，您可以了解所有重要的函数(向后和梯度)。

我建议您通过制作简单的图表和打印/可视化结构，将您对自动梯度的理解与所涉及的PyTorch数据结构进行关联，如下所示：

• 打印自动图
• Resnet示例 (jupyter笔记本)

​

​

阅读PyTorch代码是可行的，但您可能会被细节所淹没。要了解autograd的基本概念，您可能需要参考一些简单的autograd实现，例如https://evcu.github.io/ml/autograd/和https://medium.com/@ralphmao95/simple-autograd-implementation-understand-automatic-differentiation-hand-by-hand-9e86f6d703ab