Pytorch 卷积与梯度反向传播
pytorch计算图
https://zhuanlan.zhihu.com/p/33378444
https://zhuanlan.zhihu.com/p/69175484 这篇写的比较全，光说不练，假把式；光练不说，傻把式；连说带练~~真！把！式！’”
https://blog.csdn.net/cedi9117/article/details/106955001/ pytorch tensor计算
将梯度想象为小格子，因此同一层节点梯度是相加的，不同层的节点梯度是相乘的
理解一下
$$
z = f + g \
dz = k(df + dg) \
z = f * g * h \
z + dz = (f + df)(g + dg)(h + dh) 忽略高阶项
$$
https://zhuanlan.zhihu.com/p/27783097
Pytorch是利用Variable与Function来构建计算图的。Variable就像是计算图中的节点，保存计算结果（包括前向传播的激活值，反向传播的梯度），而Function就像计算图中的边，实现Variable的计算，并输出新的Variable。
torch.autograd.Funtion
矩阵求导
https://zhuanlan.zhihu.com/p/262751195
利用pytorch实现卷积运算 https://zhuanlan.zhihu.com/p/349683405，爱因斯坦求和标记