地基 · 数学与工程框架入门代码约 14 分钟

PyTorch 入门：张量、autograd、nn.Module

让框架替你算梯度

学完这节你能：

会创建张量并做运算
理解 autograd 自动求梯度
会用 nn.Module 定义模型

上一节的梯度，实际中不用手算——PyTorch 的 autograd 会自动帮你算。你只要写「前向计算」，它记录计算图，反向时自动求出每个参数的梯度。

autograd 自动求梯度

import torch
w = torch.tensor(0.0, requires_grad=True)
L = (w - 3) ** 2      # 前向
L.backward()          # 反向：自动算梯度
print(w.grad)         # -> tensor(-6.)  与手算一致

nn.Module 定义一个模型

import torch.nn as nn
class MLP(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(10, 32)
        self.fc2 = nn.Linear(32, 2)
    def forward(self, x):
        return self.fc2(torch.relu(self.fc1(x)))

🔑 记住三件套：张量（数据+是否需要梯度）、autograd（.backward() 自动求导）、nn.Module（把层组织成模型）。后面训练循环全靠它们。

自测PyTorch 里 requires_grad=True 的张量，调用 loss.backward() 后：

// 带走一句话

PyTorch 三件套：张量、autograd(.backward 自动求梯度)、nn.Module(组织模型)；你只写前向。

独立练习

做到这些，才算完成本节

在本地运行代码，打印每个关键张量的 shape。
关闭示例后从空文件重写核心部分，并补一个异常或边界测试。

学习记录

记录本节阅读进度

建议先独立回答自测。读完记录不等于已经掌握。

继续下一课