AI + GIS 学习第四天：用 PyTorch 看懂一次

今天带你看模型参数是怎么改的。先拿三个数开刀：0.1、0.2、0.4。

两条样本送进去，第一条预测出 1.7，第二条算出 3.8。本该是 2 和 4，都有点偏低。一算均方误差，损失是 0.065。

接着调用 backward() 往回求导。三个梯度分别是 -1.1、-1.6、-2.1。负数说明啥？说明把权重往大了调，损失就能降下来。

注意，这一步只管算梯度，权重还是原样没动。真要改，得靠这句代码：

w -= 0.01 * w.grad

学习率定 0.01，三个新权重就变成了 0.111、0.216、0.421。重新跑一遍，预测变成 1.806 和 4.050，损失直接降到 0.020068。

虽然第二条样本从略低变成了略高，但平方误差的平均值确实变小了。训练优化的就是整体损失，不要求每条都完美命中。

说白了，一次更新只能说明当前这两条数据有效。学习率太大还可能一步跨过头，导致损失反而上升。