深度学习中权重参数是如何被训练的？

PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】_哔哩哔哩_bilibili

快速入门的前提是，对python基础和深度学习的知识有一定的了解。否则很难全身心 的投入到学习torch中。

这是我在观阅p24时的一些疑惑。

for data in dataloader

在文首的代码中，使用的上一句for循环代码这里，我一开始以为，针对每一次的data（视频中这里取每一个批次为64），都会有新的参数来针对的进行训练。

但是后来才发现不是这样的：一直都是一个参数，在不同的图像上进行参数的训练

对每一个64的batch里的每一张图片， 都会计算loss然后反向传播更新参数。

但是我在查看loss的时候，发现loss相差不大，所以才以为针对每一个的batch=64都会有新的参数进行训练。但实际不是这样。

一直都是一个参数在被训练。

只是因为第一次查看所有的图片，所以前面的经验对后面的指导很少。

倘若把epoch的次数增大，就可以发现loss确实在降低。