我在进行一些计算，并希望通过Pytorch来优化这些参数。我并不是在定义一个神经网络，所以没有层之类的东西。只是一个简单的计算序列。我使用torch.nn.Module来使用Pytorch的优化器。

我的类大致如下所示：

class XTransformer(torch.nn.Module):    def __init__(self, x):        super(ReLUTransformer, self).__init__()        self.x = x    def funky_function(self, m, c):        # 进行一些计算        m = self.x * 2 - m + c        return m, c    def forward(self, m, c):        m, c = self.funky_function(m, c)        return m, c

后来我定义并尝试优化这个参数x，如下所示：

x = torch.autograd.Variable(x, requires_grad=True)model = XTransformer(x)optimizer = torch.optim.SGD(model.parameters(), lr=1e-3)m, c = smtloss = loss_func()for t in range(100):    m , c = model(m, c)    l = loss(m, true)    optimizer.zero_grad()    l.backward()    optimizer.step()

我不知道该怎么办。我得到了“ValueError: optimizer got an empty parameter list”错误。当我只将[x]作为参数传递给优化器时，它不会更新和改变x。我该怎么办？

回答：

您需要将x注册为参数，让PyTorch知道这应该是一个可训练的参数。这可以通过在初始化时将其定义为nn.Parameter来完成

    def __init__(self, x):        super(ReLUTransformer, self).__init__()        self.x = torch.nn.Parameter(x)