Torch 中的自动微分是通过其自动微分引擎实现的。这个引擎可以自动计算任何标量函数对于输入张量的梯度。具体来说，当定义一个计算图（Computational Graph）时，Torch 会自动跟踪该计算图，并在需要时计算梯度。这使得用户可以轻松地使用反向传播算法来计算梯度，从而可以执行优化算法来更新模型参数。
在 Torch 中，用户可以使用 torch.autograd 模块来实现自动微分。该模块提供了 Variable 类来包装张量，并自动跟踪其计算历史，以便计算梯度。用户可以通过调用 backward() 方法来计算梯度，然后可以通过 grad 属性获取梯度值。通过使用 torch.optim 模块中的优化器，用户可以方便地更新模型参数。
总的来说，Torch 中的自动微分是通过其自动微分引擎和计算图来实现的，使得用户可以轻松地计算任意函数对于输入张量的梯度，从而进行模型优化训练。