训练流程中的功能组件 - 优化器
flyfish
真实规律是y = 2x + 3，我们给数据加一点噪声。模型只有 2 个可学习参数：权重w和偏置b。训练的目标就是让模型自动学到 w，b
优化器主要是接收反向传播算出的梯度，按照自身算法规则更新模型的可学习参数（权重、偏置），驱动损失函数持续下降。
importtorch# --------------------------# 1. 准备训练数据# --------------------------# 生成100个x样本，从0到10均匀分布x=torch.linspace(0,10,100).reshape(-1,1)# 真实值 y = 2x + 3，加一点随机噪声模拟真实数据y_true=2*x+3+torch.randn_like(x)*0.5# --------------------------# 2. 初始化可学习参数 + 超参数# --------------------------# 随机初始化w和b，requires_grad=True 表示需要对它们求梯度w=torch.randn(1,requires_grad=True)b=torch.randn(1,requires_grad=True)learning_rate=0.01# 学习率epochs=200# 训练总轮数# --------------------------# 3. 训练循环（手动实现优化器）# --------------------------forepochinrange(epochs):# 1前向传播：输入x，算出预测值y_pred=w*x+b#2 计算损失：均方误差（预测值和真实值的差的平方，取平均）loss=torch.mean((y_pred-y_true)**2)# 3 反向传播：自动算出w和b的梯度，存在 w.grad 和 b.grad 里loss.backward()# ==================================================# 这里就是优化器的逻辑# ==================================================# 关闭梯度追踪，只做纯数值更新，避免生成计算图浪费资源withtorch.no_grad():# 核心更新公式：新参数 = 旧参数 - 学习率 × 梯度w-=learning_rate*w.grad b-=learning_rate*b.grad# 梯度清零：把w.grad和b.grad重置为0，避免下一轮累加旧梯度w.grad.zero_()b.grad.zero_()# ==================================================# 每20轮打印一次结果if(epoch+1)%40==0:print(f"轮次{epoch+1:3d}| 损失:{loss.item():.4f}| w={w.item():.4f}| b={b.item():.4f}")# 训练结束看最终结果print(f"\n训练完成：最终w={w.item():.4f}，最终b={b.item():.4f}")print("真实值：w=2，b=3")代码中，with torch.no_grad()里的两行 + 梯度清零，是最基础的随机梯度下降（SGD）优化器的功能。
它做两件事：
参数更新（对应PyTorch的
optimizer.step()）
按照固定公式新参数 = 旧参数 - 学习率 × 梯度，逐个更新所有可学习参数。
梯度告诉我们参数往哪个方向调能让损失变小，学习率控制调多大幅度。梯度清零（对应PyTorch的
optimizer.zero_grad()）
PyTorch 默认会累加梯度，每轮更新完必须手动清零，否则下一轮的梯度会叠加上旧值，导致更新完全错误。
优化器就是参数更新规则的封装。
使用PyTorch自带的torch.optim实现
importtorch# 数据和参数初始化和上面完全一样x=torch.linspace(0,10,100).reshape(-1,1)y_true=2*x+3+torch.randn_like(x)*0.5w=torch.randn(1,requires_grad=True)b=torch.randn(1,requires_grad=True)learning_rate=0.01epochs=200# SGD优化器：把所有参数交给它管理optimizer=torch.optim.SGD([w,b],lr=learning_rate)forepochinrange(epochs):y_pred=w*x+b loss=torch.mean((y_pred-y_true)**2)# 对应手动的 w.grad.zero_(); b.grad.zero_()optimizer.zero_grad()# 反向传播算梯度loss.backward()# 对应手动的 w -= lr*w.grad; b -= lr*b.gradoptimizer.step()if(epoch+1)%40==0:print(f"轮次{epoch+1:3d}| 损失:{loss.item():.4f}| w={w.item():.4f}| b={b.item():.4f}")省去了逐个参数手写更新、逐个清零的麻烦
可以把epoch加大看效果
轮次40|损失:0.8172|w=2.2211|b=1.5349轮次80|损失:0.6443|w=2.1822|b=1.7936轮次120|损失:0.5282|w=2.1504|b=2.0055轮次160|损失:0.4503|w=2.1243|b=2.1792轮次200|损失:0.3979|w=2.1029|b=2.3215在单轮训练迭代中，优化器的执行逻辑：
- 接收梯度输入：获取由反向传播算法计算得到的损失函数对各参数的一阶导数（梯度）∇L(θ)\nabla L(\boldsymbol{\theta})∇L(θ)，该信息指明了参数空间中损失上升最快的方向与速率。
- 计算参数更新量：基于当前梯度、历史梯度状态与预设超参数，计算每个参数的更新方向与步长，生成参数更新向量Δθ\Delta\boldsymbol{\theta}Δθ。这是优化器的核心功能，不同优化算法的差异均体现于此：
基础随机梯度下降（SGD）仅以全局学习率对梯度做线性缩放，即Δθ=−η⋅∇L(θ)\Delta\boldsymbol{\theta} = -\eta \cdot \nabla L(\boldsymbol{\theta})Δθ=−η⋅∇L(θ)，所有参数共享统一的步长缩放系数；
自适应优化器（如Adam）会额外维护每个参数的梯度一阶矩（动量）与二阶矩（波动幅度）统计量，为每个参数动态适配更新步长，在梯度波动剧烈的维度收窄步长以抑制震荡，在梯度平缓的维度放大步长以加速收敛。 - 执行参数更新与状态维护：按照θ←θ+Δθ\boldsymbol{\theta} \leftarrow \boldsymbol{\theta} + \Delta\boldsymbol{\theta}θ←θ+Δθ更新所有可学习参数的数值；同时清零参数的梯度缓存，避免迭代间梯度累加导致更新偏差，并更新优化算法所需的历史状态变量，供后续迭代使用。