解：默认的其实就是平均值(mean squared)，问题问得不对，要反过来做。学习率除batch_size即可查看深度学习框架⽂档，它们提供了哪些损失函数和初始化⽅法？⽤Huber损失代替原损失，即
提供的loss如下图所示，如果需要具体了解可以使用help(torch.nn.xxxLoss)或者百度查询
# huber损失对应Pytorch的SmoothL1损失loss = nn.SmoothL1Loss(beta=0.5)num_epochs = 3for epoch in range(num_epochs): for X, y in data_iter: l = loss(net(X), y) #开始计算梯度 trainer.zero_grad() l.backward() trainer.step() #对所有参数进行更新 print("epoch: {}, loss:{}".format(epoch + 1, l))#一开始取1时loss比较大，改成0.5再跑一次减少，可能与迭代次数关系比较大'''epoch: 1, loss:0.00011211777746211737epoch: 2, loss:0.00013505184324458241epoch: 3, loss:4.4465217797551304e-05'''
你如何访问线性回归的梯度？net[0].weight.grad,net[0].bias.grad'''(tensor([[-0.0040, 0.0027]]), tensor([0.0015]))'''
为了可观性，这次除了需要高亮loss的，其他问题代码输出都放入了代码块中。