文章预览
点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 作者丨歪杠小胀@知乎（已授权） 来源丨https://zhuanlan.zhihu.com/p/451441329 编辑丨极市平台 极市导读 如果只有一个loss，那么直接 loss.backward() 即可，但是不止一个loss时，就不知道将backward()放在哪里了。本文作者总结了一些自己在遇到该问题时的解决方式，希望能和大家一起讨论交流 记录写这篇文章的初衷 最近在复现一篇论文的训练代码时，发现原论文中的总 loss 由多个 loss 组成。如果只有一个 loss ，那么直接 loss.backward() 即可，但是这里不止一个。一开始看到不止一个 loss 时，不知道将 backward() 放在哪里。 for j in range(len(output)): loss += criterion(output[j], target_var) 我们知道，一般传统的梯度回传步骤是这样的： outputs = model(images) loss = criterion(outputs,target) o
………………………………
