1 .第一个讲的重要zero_grad() 坡度清除。
每次坡度计算完成时，不会自动清除网络中的优化器坡度，因此必须手动输入函数才能清除优化器坡度。 例如：
for i，datainenumerate(dataloader ) : #图像和标签inputs，labels=data inputs，labels=variable ) inputs， variable(labels ) optimizer.zero_grad ) #优化梯度清零outputs=net(inputs ) loss=criterion ) outputs，labels ) #损耗函数
state_dict() 关于获取模型参数
在里面放入词典，放入模型的权重、bias偏移，以词典形式返回。 例如：
#导入所需的库函数importtorchimporttorch.nnasnnimporttorch.optimasoptimimporttorchvisionimportnumpyasmpimportmatplotlib.pottib #网络classthemodelclass(nn.module ) : def _ init _ (self ) :super ) themodelclass，self )5) self.pooo 5 ) self.fc1=nn.linear ) 16 * 5，16 *510 ) defforward(self， x ) :x=self.pool ) f.relu ) self.conV1 ) x ) x=self.pool ) f.relu ) self.conVon 16*5*5) x=f.relu 是主函数def main ) )的优化程序初始化optimizer=optim.SGD (model.parameters )，lr=0.001，momentum=0.9 ) # 打印模式' s state _ dict print (' model.state _ dict : ) (for param _ tensorinmodel.state _ dict ) )是“t” model.state _ dict ([ param _ tensor ].size ) ) print optimizer ' s state _ dict print ' optimizer，state _ dict 33334
等待手续。