混沌# Autograd 机制 autograd 如何编码历史 保存张量 不可微函数的梯度 局部禁用梯度计算 具有 autograd 的 in-place 运算 多线程 Autograd 复数的 Autograd 钩子用于保存张量 自动微分 张量、函数和计算图 计算梯度 禁用梯度追踪 更多关于计算图的内容 选读：张量梯度和雅可比积 PyTorch Benchmark 定义 benchmark 函数 使用 timeit.Timer 作基准测试 使用 torch.utils.benchmark.Timer 作基准测试 Blocked Autorange 基准测试 比较基准测试结果 保证和加载基准测试结果 生成带有模糊参数的输入 使用 Callgrind 收集指令计数 Extending PyTorch Extending torch.autograd Extending torch.nn Extending torch Writing custom C++ extensions Writing custom C extensions 其他临时区 PyTorch 参数管理 参数访问 参数初始化 延迟初始化 性能评估 时间分析 分析内存消耗 使用追踪功能 检查堆栈跟踪 将数据可视化为 flamegraph 分析 long-running jobs Pytorch 梯度归零
