待验证60% 置信事实精确时间
现代深度学习框架通过自动微分技术在前向传播时构建计算图，在反向传播时自动沿图反向计算梯度
2
来源数
60%
置信度
长期有效
时效性
2026/7/18
首次发现
来源
相关事实
待验证现代深度学习框架PyTorch和TensorFlow将神经网络表示为计算图，通过自动微分（Autograd）逆向计算梯度83% 相似待验证在深度学习中，雅可比矩阵的计算是反向传播算法的数学基础，描述梯度如何在网络层间流动80% 相似待验证反向传播是深度学习训练的核心算法，通过链式法则将输出层的误差逐层传递回网络，计算每个参数对损失函数的梯度79% 相似待验证反向传播是现代深度学习训练的基石，几乎所有大语言模型的训练都建立在梯度下降框架之上75% 相似待验证当前主流深度学习架构（包括Transformer、卷积神经网络）继承了信息处理范式的核心假设：信息可编码为数值向量、层级化变换、在明确位置读写74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/548087API
curl https://kongchang.com/api/v1/knowledge/claims/548087MCP
get_claim(id=548087)