Neural network pytorch:zero_grad vs zero_grad（）-括号的作用？

我正在尝试按如下方式训练pytorch模型：

start = time.time()

for epoch in range(100):

    t_loss = 0
    for i in range(100):


        optimizer.zero_grad
        scores = my_model(sent_dict_list[i])
        scores = scores.permute(0, 2, 1)

        loss = loss_function(scores, torch.tensor(targ_list[i]).cuda())
        t_loss += loss.item()
        loss.backward()
        optimizer.step()

    print("t_loss = ", t_loss)

---

我发现，当我调用“optimizer.zero_grad”时，我的损失在每个时代结束时都会减少，而当我调用带有括号的“optimizer.zero_grad（）”时，损失几乎保持不变。我不知道这有什么区别，希望有人能给我解释一下。

我想你是python新手，“（）”表示简单的函数调用。 考虑这个例子：

>>> def foo():
       print("function")

>>> foo
<function __main__.foo>
>>> foo()
function

---

回到您的问题，您必须调用该函数，否则它将无法工作

optimizer.zero_grad只是一个函数名。用括号调用函数

>>> [foo, foo, foo]