pytorch如何计算平方_python – pytorch如何计算简单线性回归模型的梯度？

我正在使用pytorch并试图理解简单的线性回归模型是如何工作的.

我正在使用一个简单的LinearRegressionModel类：

class LinearRegressionModel(nn.Module):

def __init__(self, input_dim, output_dim):

super(LinearRegressionModel, self).__init__()

self.linear = nn.Linear(input_dim, output_dim)

def forward(self, x):

out = self.linear(x)

return out

model = LinearRegressionModel(1, 1)

接下来,我实例化一个损失标准和一个优化器

criterion = nn.MSELoss()

optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

最后训练模型我使用以下代码：

for epoch in range(epochs):

if torch.cuda.is_available():

inputs = Variable(torch.from_numpy(x_train).cuda())

if torch.cuda.is_available():

labels = Variable(torch.from_numpy(y_train).cuda())

# Clear gradients w.r.t. parameters

optimizer.zero_grad()

# Forward to get output

outputs = model(inputs)

# Calculate Loss

loss = criterion(outputs, labels)

# Getting gradients w.r.t. parameters

loss.backward()

# Updating parameters

optimizer.step()

我的问题是优化器如何获得由loss.backward()计算的损耗梯度,以使用step()方法更新参数？模型,损失标准和优化器如何捆绑在一起？