PyTorch中optimizer.step()无法更新模型权重问题求助

核心问题：模型前向传播方法名拼写错误 #

你的Net类里定义的方法是foward（少了一个字母r），但PyTorch模型执行前向传播时会调用标准的forward方法。当你调用my_model(inputs)时，实际执行的是nn.Module基类默认的forward方法——这个方法仅返回输入本身，并没有经过你定义的fc1全连接层，因此模型参数压根没产生梯度，optim.step()自然不会对参数做任何更新。

修复方案 #

把方法名修正为正确的forward：

class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        self.fc1 = nn.Linear(10,4)

    def forward(self,x):  # 此处修正拼写错误
        return nn.functional.relu(self.fc1(x))

验证梯度是否正常 #

修复后，你可以在outputs.backward()之后检查参数的梯度状态，确认梯度已生成：

print(list(my_model.parameters())[0].grad)

如果输出非None的数组，说明梯度计算正常，此时调用optim.step()就能正确更新参数。

内容的提问来源于stack exchange，提问作者PM25