PyTroch，梯度计算

Question

https://colab.research.google.com/github/pytorch/tutorials/blob/gh-pages/_downloads/neural_networks_tutorial.ipynb

嗨，我想用pytorch来理解NN。 我对梯度计算有疑问。

将torch.optim导入为优化

create your optimizer
optimizer = optim.SGD(net.parameters(), lr=0.01)


```
# in your training loop:
optimizer.zero_grad()   # zero the gradient buffers
output = net(input)
loss = criterion(output, target)
loss.backward()
optimizer.step()    # Does the update
```

从about代码中，我了解了loss.backward（）计算梯度。 我不确定这些信息如何与optimizer共享以更新渐变。

任何人都可以解释一下..

谢谢！

Answer 1

在此行中创建优化器时

optimizer = optim.SGD(net.parameters(), lr=0.01)

您为net.parameters()提供了所有可学习的参数，这些参数将基于渐变进行更新。

仅由于模型和优化器共享相同的参数，因此它们相互连接。

PyTorch参数是张量。它们不再称为变量。