Особенности архитектуры динамического графа вычислений PyTorch:

• Граф строится и оптимизируется во время выполнения кода. 4 Это означает, что граф формируется по мере выполнения операций, и его структуру и поведение можно изменять на ходу. 4
• Узлы представляют данные (в виде тензоров), а ребра — операции, применяемые к входным данным. 1
• Ко всем входным данным и выходу можно получить доступ и изменить их во время выполнения. 1 Это позволяет определять входные данные и операции «на лету». 1
• Каждая операция, применяемая к тензору, записывается в граф вычислений, и для каждой операции известно, какие тензоры являются её входами, а какие — выходами. 4