Python 在PyTorch中运行backward（）函数时出错

守则：

 import numpy as np
 predictors = np.array([[73,67,43],[91,88,64],[87,134,58],[102,43,37],[69,96,70]],dtype='float32')
 outputs = np.array([[56,70],[81,101],[119,133],[22,37],[103,119]],dtype='float32')
 

 inputs = torch.from_numpy(predictors)
 targets = torch.from_numpy(outputs)

 weights = torch.randn(2,3,requires_grad=True)
 biases = torch.randn(2,requires_grad=True)

 def loss_mse(x,y):
  d = x-y
  return torch.sum(d*d)/d.numel()

 def model(w,b,x):
  return x @ w.t() +b 
 
 def train(x,y,w,b,lr,e):
  w = torch.tensor(w,requires_grad=True)
  b = torch.tensor(b,requires_grad=True)
  for epoch in range(e):
    preds = model(w,b,x)
    loss = loss_mse(y,preds)
    if epoch%5 == 0:
      print("Loss at Epoch [{}/{}] is {}".format(epoch,e,loss))
    #loss.requires_grad=True
    loss.backward()
    with torch.no_grad():
      w = w - lr*w.grad
      b = b - lr*b.grad
      w.grad.zero_()
      b.grad.zero_()

 train(inputs,targets,weights,biases,1e-5,100)

---

运行此命令会产生不同的错误。一旦它给出了

loss

大小为0的错误。然后它在更新行

w=w-lr*w.grad

中给出了一个错误，即float不能从NoneType中减去。

首先，为什么要将权重和偏差包装为张量两次

weights = torch.randn(2,3,requires_grad=True)
biases = torch.randn(2,requires_grad=True)de here

然后在您使用的列车功能内：

w = torch.tensor(w,requires_grad=True)
b = torch.tensor(b,requires_grad=True)

其次，在更新权重的过程中，将其更改为：

  with torch.no_grad():
   w_new = w - lr*w.grad
   b_new = b - lr*b.grad
   w.copy_(w_new)
   b.copy_(b_new)
   w.grad.zero_()
   b.grad.zero_()

您可以查看此讨论以获得更全面的解释：

---

谢谢！事实上，在调试时，我再次包装了权重和偏差，只是为了检查它们是否是问题所在，但在发布之前忘记了删除它们。不管怎样，它成功了。非常感谢你。