Blockquote
实际中，根据我们设计的模型，系统会构建一个计算图（computational graph）， 来跟踪计算是哪些数据通过哪些操作组合起来产生输出…
Blockquote
一致搞不懂什么是模型，在简单实例的代码中试图寻找模型的定义，还是看不明白，能简单解释以下吗？
谢谢
所以二阶导数怎么代码实现 
如果a输入一个标量0，f(a)不会死循环吗？
自动微分能支持的边界是什么？
当我们自己设计一个模型的时候， 比如涉及到网络架构、激活函数、优化器这些的创新，自动微分(tf or troch or mxnet)难道全部支持吗？还是有些限定？
输入一个标量应该会报错吧，你看代码，while 语句要判断b的l2 norm 是否小于1000，一个 标量怎么可能有norm。执行这个语句的时候应该就报错了。
标量的范数就是其绝对值啊，当然可以有norm
依样画葫芦绘制的第六题
import torch
import d2l.torch as d2l
x = torch.linspace(1, 8, 60, requires_grad=True) # 生成 60 个从 1 到 7 之间的均匀分布的点
y = torch.sin(x)
y.sum().backward()
绘图必须分离转化为np
x_np = x.detach().numpy()
y_np = y.detach().numpy()
x_grad_np = x.grad.detach().numpy()
d2l.plot(x_np, [y_np, x_grad_np], ‘x’, ‘sin(x)’, legend=[‘sin(x)’, ‘sin(x) grad’])
这里的x.grad不需要分离，因为x.grad本身并不参与梯度追踪，参与梯度追踪的是x，所以可以直接input x.grad。y由于是x的函数，所以也参与了梯度追踪。
可以print(x.grad.requires_grad) 查看（输出false），只有参与了梯度追踪的参需要分离