optimizer.zero_grad() # 梯度清零(一定要先进行梯度清零，这样tensor里面的grad就不会累加)
loss.backward()是用来求导的
optimizer.step()一般来说根据求来的导数进行梯度下降算法来更新参数
上面的顺序步骤不能变
相关推荐
淼澄研学1 天前
PyTorch深度学习实战：从零构建神经网络模型的五个核心步骤xx_xxxxx_2 天前
AI基本结构12-lstm实现nlp工业机器视觉设计和实现2 天前
cifar10训练突破80分（三，摸到pytorch尾灯！）想会飞的蒲公英2 天前
PyTorch reshape、view、transpose、广播到底怎么选？风痕天际3 天前
Pytorch开发教程2——张量核心操作完全指南m沐沐3 天前
【深度学习】循环神经网络RNN——结构、原理与长期依赖问题解析FriendshipT3 天前
Ultralytics：简要解读YOLOv8 → YOLO11 → YOLO26网络架构工业机器视觉设计和实现4 天前
动量的好处与困扰（二，摸到pytorch尾灯！）盼小辉丶4 天前
PyTorch强化学习实战（20）——优势演员-评论家（Advantage Actor-Critic, A2C）魔镜er5 天前
03-张量