Torch中的自动求导是通过torch.autograd模块实现的。torch.autograd模块提供了自动微分的功能，可以轻松地计算任意可微函数的梯度。当定义一个tensor时，可以设置requires_grad=True来告诉Torch需要对该tensor进行自动求导。然后，可以通过调用.backward()方法来计算梯度，梯度将会保存在tensor的.grad属性中。
当进行前向传播计算时，Torch会自动构建一个计算图，用来记录整个计算过程。然后，通过反向传播算法来计算梯度。在反向传播过程中，Torch会根据计算图中的节点和边，自动计算每个节点的梯度，并将梯度累积到叶子节点上。
通过自动求导功能，可以方便地进行梯度下降等优化算法，训练神经网络等。同时，Torch还提供了一些高级功能，如torch.optim模块用来实现各种优化算法，使得训练过程更加方便和高效。
