如何在 PyTorch 中查找和理解 autograd 源代码
How to find and understand the autograd source code in PyTorch
我对autograd算法比较了解，我觉得应该学习一下PyTorch中的源码。但是，当我看到 GitHub 上的项目时，我对结构感到困惑，因为很多文件都包含 autograd。那么autograd最重要的核心代码是哪一部分呢？
尝试了解autograd variable可能是第一件事，你可以做什么。据我了解，autograd 只是模块的命名，其中包含 类 以及增强的梯度和反向函数。
注意很多算法，例如通过图形的反向传播隐藏在编译代码中。
如果您查看 __init__.py，您可以了解所有重要功能（向后和渐变）
我建议你将你对 autograd 的理解和所涉及的 PyTorch 数据结构联系起来，通过制作一个简单的图表和printing/visualizing结构如下：
- Print Autograd Graph
- Resnet example viz（jupyter 笔记本）
阅读 PyTorch 代码是可行的，但您可能会被细节淹没。要获得 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/ and https://medium.com/@ralphmao95/simple-autograd-implementation-understand-automatic-differentiation-hand-by-hand-9e86f6d703ab
我对autograd算法比较了解，我觉得应该学习一下PyTorch中的源码。但是，当我看到 GitHub 上的项目时，我对结构感到困惑，因为很多文件都包含 autograd。那么autograd最重要的核心代码是哪一部分呢？
尝试了解autograd variable可能是第一件事，你可以做什么。据我了解，autograd 只是模块的命名，其中包含 类 以及增强的梯度和反向函数。
注意很多算法，例如通过图形的反向传播隐藏在编译代码中。
如果您查看 __init__.py，您可以了解所有重要功能（向后和渐变）
我建议你将你对 autograd 的理解和所涉及的 PyTorch 数据结构联系起来，通过制作一个简单的图表和printing/visualizing结构如下：
- Print Autograd Graph
- Resnet example viz（jupyter 笔记本）
阅读 PyTorch 代码是可行的，但您可能会被细节淹没。要获得 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/ and https://medium.com/@ralphmao95/simple-autograd-implementation-understand-automatic-differentiation-hand-by-hand-9e86f6d703ab