Torch中的自動求導是通過torch.autograd模塊實現的。torch.autograd模塊提供了自動微分的功能，可以輕松地計算任意可微函數的梯度。當定義一個tensor時，可以設置requires_grad=True來告訴Torch需要對該tensor進行自動求導。然后，可以通過調用.backward()方法來計算梯度，梯度將會保存在tensor的.grad屬性中。
當進行前向傳播計算時，Torch會自動構建一個計算圖，用來記錄整個計算過程。然后，通過反向傳播算法來計算梯度。在反向傳播過程中，Torch會根據計算圖中的節點和邊，自動計算每個節點的梯度，并將梯度累積到葉子節點上。
通過自動求導功能，可以方便地進行梯度下降等優化算法，訓練神經網絡等。同時，Torch還提供了一些高級功能，如torch.optim模塊用來實現各種優化算法，使得訓練過程更加方便和高效。
