神经网络、损失和优化器在PyTorch中是如何连接的？

Question

我已经看到了这个问题的答案，但我仍然完全不明白。据我所知，这是最基本的设置：net = CustomClassInheritingFromModuleWithDefinedInitAndForward()criterion = nn.SomeLossClass()optimizer = optim.SomeOptimizer(net.parameters(), ...)for _, data in enumerate(trainloader, 0):    inputs, labels = data    optimizer.zero_grad()    outputs = net(inputs)    loss = criterion(outputs, labels)    loss.backward()    optimizer.step()我不明白的是：Optimizer是用net.parameters（）初始化的，我认为这是net的内部权重。损失不会访问这些参数，也不会访问网络本身。它只能访问网络的输出和输入标签。优化器也不会访问丢失。那么，如果损失只适用于输出，而优化器仅适用于net.parameters，那么它们如何连接呢？

Answer 1

Optimizer是用net.parameters（）初始化的，我认为这是net的内部权重。

这是因为优化器将在训练期间修改网络的参数。

损失不会访问这些参数，也不会访问网络本身。它只能访问网络的输出和输入标签。

损失仅计算预测与真实值之间的误差。

优化器也不会访问丢失。

它访问在loss.backward