待验证60% 置信事实精确时间
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
2
来源数
60%
置信度
长期有效
时效性
2026/7/19
首次发现
来源
相关事实
待验证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83% 相似待验证PyTorch和TensorFlow面向深度学习场景，提供了自动微分（autograd）引擎和GPU加速计算能力78% 相似待验证端到端神经网络将从传感器原始输入到控制输出的整个流程封装在统一深度学习模型中，取代传统感知、预测、规划、控制分离的流水线架构76% 相似已验证机器学习方向以Scikit-learn为入门框架，进而延伸至TensorFlow、PyTorch等深度学习框架76% 相似待验证2020年代以来出现基于深度学习的侧信道攻击，研究者使用卷积神经网络从功耗轨迹自动提取特征，某些场景下能绕过传统硬件对抗措施75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/556685API
curl https://kongchang.com/api/v1/knowledge/claims/556685MCP
get_claim(id=556685)