https://colab.research.google.com/github/pytorch/tutorials/blob/gh-pages/_downloads/neural_networks_tutorial.ipynb

嗨，我正在尝试用 pytorch 理解 NN。我对梯度计算有疑问..

将 torch.optim 导入为 optim

create your optimizer
optimizer = optim.SGD(net.parameters(), lr=0.01)

# in your training loop:
optimizer.zero_grad()   # zero the gradient buffers
output = net(input)
loss = criterion(output, target)
loss.backward()
optimizer.step()    # Does the update

从 about 代码中，我了解到 loss.backward() 计算梯度。我不确定这些信息如何共享optimizer以更新渐变。

谁能解释一下这个。。

提前致谢 ！