下面是我用于訓練前饋神經(jīng)網(wǎng)絡(luò) （FFNN） 的代碼。標簽是介于 0 和 50 之間的數(shù)字。FFNN由具有50個神經(jīng)元的單個隱藏層和具有51個神經(jīng)元的輸出層組成。此外，我還使用了負對數(shù)似然損失。我對PyTorch很陌生，所以我使用幾個網(wǎng)站作為指導。奇怪的是，它們都不需要retain_graph設(shè)置為 True（它們在調(diào)用時不會傳遞任何參數(shù)）。此外，它運行得非常慢，精度似乎在固定值附近波動，而不是降低。backward()假設(shè)輸入的格式是正確的，有人可以向我解釋為什么網(wǎng)絡(luò)表現(xiàn)如此糟糕，以及為什么網(wǎng)絡(luò)需要將retain_graph設(shè)置為True？謝謝！n_epochs = 2batch_size = 100for epoch in range(n_epochs):    permutation = torch.randperm(training_set.size()[0])    for i in range(0, training_set.size()[0], batch_size):        opt.zero_grad()        indices = permutation[i:i + batch_size]        batch_features = training_set[indices]        batch_labels = torch.LongTensor([label for label, sent in train[indices]])        batch_outputs = model(batch_features)        loss = loss_function(batch_outputs, batch_labels)        loss.backward(retain_graph=True)        opt.step()