Python 试图通过海关损失，但它不允许我。属性错误：'；浮动'；对象没有属性'；向后'；

我有一个自定义的loss函数，我正试图在我的模型上使用它，但是当我在Pytorch中使用

loss.backward（）

时，它不起作用

这是我的损失函数：

class Neg_Pearson(nn.Module):    # Pearson range [-1, 1] so if < 0, abs|loss| ; if >0, 1- loss
    def __init__(self):
        super(Neg_Pearson,self).__init__()
        return
    def forward(self, preds, labels):       # tensor [Batch, Temporal]
        loss = 0
        for i in range(preds.shape[0]):
            sum_x = torch.sum(preds[i])                # x
            sum_y = torch.sum(labels[i])               # y
            sum_xy = torch.sum(preds[i]*labels[i])        # xy
            sum_x2 = torch.sum(torch.pow(preds[i],2))  # x^2
            sum_y2 = torch.sum(torch.pow(labels[i],2)) # y^2
            N = preds.shape[1]
            pearson = (N*sum_xy - sum_x*sum_y)/(torch.sqrt((N*sum_x2 - torch.pow(sum_x,2))*(N*sum_y2 - torch.pow(sum_y,2))))
                        
            loss += 1 - pearson
        
        
        loss = loss.tolist()
        loss = loss/preds.shape[0]
        #print(loss) 
        return loss

---

我得到以下错误：

AttributeError:“float”对象没有属性“backward”

关于如何解决此问题的任何建议？

backward

是PyTorch张量的函数。调用

loss.tolist（）

时，破坏了计算图形，无法从该图形向后返回。我不确定您想用这行代码实现什么，但是注释它应该会有所帮助

        yp = (yp-torch.mean(yp)) /torch.std(yp)     # normalize
        yt = (yt-torch.mean(yt)) /torch.std(yt)     # normalize
        
        
        
        loss = neg_pears_loss(yp, yt)
        print(loss)
        
        
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()