面试题库 › 算法 / 大模型 › PyTorch 计算图与 autograd 机制原理

PyTorch 计算图与 autograd 机制原理

难度 ★★☆在 2 场真实面经中被问到 方向:算法 / 大模型考点:深度学习框架原理

哪些公司问过

阿里巴巴1

常见岗位:AI 应用 / Agent 开发、NLP / 语音

答案要点

  1. 动态图(define-by-run):前向执行时实时记录运算,每次迭代重建,支持 Python 控制流
  2. 非叶子张量通过 grad_fn 指向反向节点,节点经 next_functions 连接成 DAG
  3. backward 按反向拓扑序做向量-雅可比积,梯度累加到叶子节点 .grad,非叶子默认不保留
  4. 反向后图默认释放,需重复反向时用 retain_graph;梯度会累加,每步要清零
  5. model.eval 只切换 Dropout/BN 行为,no_grad/inference_mode 才停止建图

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题