参数优化是机器学习和深度学习中一个重要的步骤,它在模型训练过程中通过调整模型参数来最小化损失函数。在实际应用中,我们通常会使用优化器来自动调整参数。然而,在使用优化器时,我们需要注意一个重要的细节:参数优化器中应使用可迭代对象。
那么什么是可迭代对象呢?简单来说,可迭代对象是指可以被迭代访问的对象。常见的可迭代对象包括列表、元组、字符串等。使用可迭代对象作为参数优化器的输入,可以有效地对模型的参数进行调整和更新。
下面我们通过源代码来具体说明这个概念:
import torch
import torch.optim as optim
# 定义模型
model = torch.nn.Linear(10, 1)
# 定义损失函数
criterion