尽管张量是叶子，但神经网络（pytorch）中的损失却没有得到任何结果

Question

我检查了所有的张量和输入参数，它们都是叶子，根据下面的代码，

def train_step(w1,b1):
    print("w=",w1)
    trainable_variables = [w1,b1]
    optimizer = torch.optim.SGD(trainable_variables, lr=learning_rate)
    loss = Variable(loss2_function(), requires_grad = True)
    print(loss.backward())
    with torch.no_grad():
        w1 -=(learning_rate * w1.grad)
        b1 -= (learning_rate * b1.grad)
        w1.grad.zero_()
        b1.grad.zero_()
    optimizer.step()
    optimizer.zero_grad()

我仍然没有得到任何结果，即使学习率、权重和偏差发生变化，网络仍然无法工作，请指导我。

Answer 1

loss.backward()

不返回任何内容。这就是为什么

print(loss.backward())

返回

None

。

您想使用

print(loss)

来代替