Aký typ výpočtového grafu sa používa v PyTorch — dynamický alebo statický?

PyTorch používa dynamický výpočtový graf. To znamená, že graf sa vytvára a mení počas behu programu, čo umožňuje flexibilnejšiu konštrukciu a úpravu modelov naživo. Tento prístup je užitočný pri ladení a práci s modelmi, ktorých štruktúra sa môže meniť v závislosti od dát alebo podmienok.

Príklad dynamického grafu v PyTorch:

import torch
x = torch.tensor([1.0, 2.0, 3.0], requires_grad=True)
y = x * 2
z = y.sum()
z.backward()
print(x.grad)  # Dynamicky počíta gradienty

Na rozdiel od statického grafu (ako v TensorFlow 1.x), kde je graf vytvorený vopred a následne spustený, dynamický graf v PyTorch sa vytvára "za behu" pri každom prechode.