使用 pytorch 优化器来拟合用户定义的函数答案

【问题标题】：Use pytorch optimizer to fit a user defined function使用 pytorch 优化器来拟合用户定义的函数
【发布时间】：2020-01-13 10:52:10
【问题描述】：

我阅读了许多关于如何使用 PyTorch 对数据集进行回归的教程，例如，使用由多个线性层和 MSE 损失组成的模型。

好吧，假设我知道函数 F 依赖于一个变量 x 和一些未知参数 (p_j: j=0,..., P-1)，其中 P 比较小，但该函数是特殊函数的组合.所以，我的问题是知道数据 {x_i,y_i}_i 的经典最小化

Min_{ {p_j} } Sum_i (F(x_i;{p_j}) - y_i)^2

我想知道我是否可以使用 PyTorch 优化器，如果可以，我该怎么做？

谢谢。

【问题讨论】：

你的意思是你想使用你知道的自定义损失函数而不是 MSE ？
@basilisk，也许你是对的，但让我添加一些更清楚的东西。正如您在我的公式中看到的那样，您可以认识到我使用 MSE 作为损失，但是 F 函数不能用“通常”的神经层来表示。所以，假设我只处理我想要最小化的以下函数 ``` C(p_0,p_1,...,p_P) = Sum_i (F(x_i;{p_j}) - y_i)^2 ``` .可能是您所说的自定义损失。

【解决方案1】：

事实上，PyTorch 专家回答说，要最小化的函数必须用 torch.tensors 表示，以让最小化器计算梯度。所以，就我而言，这是不可能的。

【讨论】：