用线性模型逼近平方函数时,PyTorch不收敛

我正在努力学习一些Pytork,并参考了这次讨论 here

作者提供了一段最短的代码,说明了如何使用Pytork来求解被随机噪声污染的未知线性函数。

这段代码对我来说运行良好。

然而,当我改变函数,希望t=X^2时,参数似乎不会收敛。

import torch
import torch.nn as nn
import torch.optim as optim
from torch.autograd import Variable

# Let's make some data for a linear regression.
A = 3.1415926
b = 2.7189351
error = 0.1
N = 100 # number of data points

# Data
X = Variable(torch.randn(N, 1))

# (noisy) Target values that we want to learn.
t = X * X + Variable(torch.randn(N, 1) * error)

# Creating a model, making the optimizer, defining loss
model = nn.Linear(1, 1)
optimizer = optim.SGD(model.parameters(), lr=0.05)
loss_fn = nn.MSELoss()

# Run training
niter = 50
for _ in range(0, niter):
    optimizer.zero_grad()
    predictions = model(X)
    loss = loss_fn(predictions, t)
    loss.backward()
    optimizer.step()

    print("-" * 50)
    print("error = {}".format(loss.data[0]))
    print("learned A = {}".format(list(model.parameters())[0].data[0, 0]))
    print("learned b = {}".format(list(model.parameters())[1].data[0]))

当我执行这段代码时,新的A和b参数似乎是随机的,因此不会收敛。我认为这应该收敛,因为你可以用斜率和偏移函数来近似任何函数。我的理论是我没有正确使用Pytork。

有人能确定我的电脑有问题吗 t = X * X + Variable(torch.randn(N, 1) * error) 代码行?