待验证50% 置信事实精确时间
自动微分是PyTorch的.backward()和TensorFlow的GradientTape背后的核心原理，它在数值计算的同时进行导数追踪，既不引入数值误差也不产生表达式膨胀
1
来源数
50%
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PyTorch Tensor内置自动微分（Autograd）机制，能够自动追踪计算图并反向传播梯度75% 相似待验证PyTorch、TensorFlow 内置的自动微分系统本质上是在计算图上自动执行链式求导过程75% 相似待验证TensorFlow、PyTorch等框架中的自动微分系统本质上是可微分编程的工程实现75% 相似待验证TensorRT执行的是固定计算图的前向传播，输入张量的形状在构建引擎时就已确定，因此推理计算量基本恒定，不随画面目标数量变化72% 相似待验证自动微分通过将程序分解为基本运算序列精确应用链式法则，既无数值微分的舍入误差，也无符号微分的表达式膨胀问题71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/558144API
curl https://kongchang.com/api/v1/knowledge/claims/558144MCP
get_claim(id=558144)