张量与Python标量：核心区别与计算图断开解析

张量与Python标量的核心区别

张量（Tensor） 是PyTorch中的核心数据结构，类似于多维数组：

• 支持GPU加速计算
• 跟踪计算历史（用于自动求导）
• 可以包含多个元素

Python标量（int/float） 是普通的Python数值类型：

• 不支持GPU加速
• 没有计算历史记录
• 单个独立数值

计算图断开的原因

PyTorch的自动求导系统（Autograd）依赖于计算图来跟踪所有计算操作。当你从张量中提取标量值时：

1. 提取的标量值是普通Python对象，不再是张量
2. 它不再与计算图中的任何节点相连
3. 因此无法进行反向传播或梯度计算

示例说明

下面通过具体代码演示这种区别：