Что происходит «под капотом», когда мы вызываем loss.backward() для функции потерь в pytorch ⇐ Python

[Anonymous]

Что происходит, когда мы вызываем обратный метод функции потерь? Как в коде ниже

Код: Выделить всё

import torch.nn as nn
outputs = model(inputs) # Example ResNet18
criterion = nn.CrossEntropyLoss()
loss = criterion(outputs, labels)
loss.backward()

Как мы можем рассчитать все градиенты (например, веса в скрытом слое), просто предоставляя выходные данные и метки. Почему нам не нужно предоставлять некоторую информацию о скрытом слое функции потери?

Подробнее здесь: https://stackoverflow.com/questions/786 ... unction-in