PyTorch训练CryoGAN中3D体张量无更新的问题求助

架构老林

2026-8-10

问题：CryoGAN生成器3D体数据参数无更新

我正在大学项目中复现CryoGAN网络（结合GAN的冷冻电镜技术），目标是还原蛋白质的3D结构，输入为真实蛋白质的投影图像。CryoGAN的生成器由蛋白质3D体数据和物理模拟器组成，物理模拟器负责将3D体数据生成2D投影，这部分已正常工作，我只需训练128×128×128体素的3D体数据张量。

我尝试把该体数据作为可学习参数创建为张量，但代码能运行，体数据却完全没有更新。相关代码片段如下：

class Generator(nn.Module):
   def __init__(self):
        super().__init__()
        self.gen = nn.Parameter(torch.rand(128, 128, 128))

    def forward(self, x):
        return self.gen(x)


gen = Generator(projection_pixels)


opt_gen = optim.Adam(gen.parameters(), lr=lr)
loss_criterion = nn.BCELoss()

#...feeding discriminator with projections from fake and real protein, calculating loss for generator

gen.zero_grad()
lossG.backward()
opt_gen.step()

我已尝试将体数据初始化改为self.gen = nn.Parameter(torch.FloatTensor(128,128,128).uniform_())，但无任何变化。

解决思路

修复forward方法的错误调用：你的forward方法里错误地把self.gen（3D张量参数）当作函数调用self.gen(x)，这会触发张量的索引操作而非返回参数本身，更无法关联到物理模拟器的投影生成逻辑。正确的写法应该是调用物理模拟器，用self.gen生成对应投影：
```
def forward(self, x):
    # x为投影所需的角度/参数，调用物理模拟器生成2D投影
    return physical_simulator(self.gen, x)
```
如果无需输入参数，也可以直接返回体数据：
```
def forward(self):
    return self.gen
```
确认参数被优化器正确捕获：打印list(gen.parameters())，检查输出中是否包含self.gen这个参数，确保优化器能追踪到它的更新。
验证梯度有效性：在lossG.backward()执行后，打印gen.gen.grad，查看梯度是否为None或全零。如果梯度无效，说明损失计算环节没有将假样本投影与生成器体数据建立关联，需要检查损失计算的逻辑链。
调整优化器设置：尝试调高学习率（比如从1e-4调整到1e-3），或者检查Adam优化器的weight_decay参数是否过大，导致参数更新被抑制。
优化参数初始化：可以尝试用正态分布torch.randn初始化参数，或者结合蛋白质体数据的先验信息（如密度分布）进行初始化，更合理的初始值有助于梯度流动和参数更新。

内容的提问来源于stack exchange，提问作者F0rtes