PyTorch训练ANN时损失函数恒定不变的问题求助

训练人工神经网络时损失全程固定，核心原因是优化器未执行参数更新操作。

你的代码中，训练循环的最后一行存在语法错误：

optimizer.step

这只是引用了优化器的step方法对象，并没有实际调用它。必须加上括号optimizer.step()，才能触发优化器根据反向传播得到的梯度更新模型权重。

因为权重参数在整个训练过程中完全没有变化，每次前向传播计算的损失值自然完全一致。

修正后的训练循环代码如下：

epoch=100
losses=[]
for i in range(epoch):
    y_pred=model.forward(X_train)
    loss=criterion(y_pred,y_train)
    losses.append(loss.item())
    if i%10==0:
        print(f'epoch{i} and loss is :{loss}')
    
    optimizer.zero_grad()
    loss.backward()
    # 修正：调用step方法更新参数
    optimizer.step()

额外检查项：

• 确认iris.csv加载正常，target列是正确的分类标签（0、1、2）
• 数据转换为张量的步骤无误，X_train、y_train的格式符合模型输入要求

内容的提问来源于stack exchange，提问作者Kalyan