Pytorch - пакеты не обновляются

Question

Я тренировал свою модель, но возникли некоторые проблемы.Загрузчик данных должен был обновить пакеты, но вместо этого я получил это:

Вывод

• [0, 0] потеря: 0,009
• [1, 0] потеря:0,009
• [2, 0] потеря: 0,009
• [3, 0] потеря: 0,009
• [4, 0] потеря: 0,009
• [5, 0] потеря: 0,009
• [6, 0] потеря: 0,009
• [7, 0] потеря: 0,009
• [8, 0] потеря: 0,009
• [9, 0] потеря: 0,009

Кто-нибудь знает, что не так?Мои коды как показано ниже

DataLoader

class MSourceDataSet(Dataset):

    def __init__(self, clean_dir, mix_dir, clean_label_dir, mix_label_dir):

        with open(clean_dir + 'clean1.json') as f:
            clean0 = torch.Tensor(json.load(f))

        with open(mix_dir + 'mix1.json') as f:
            mix0 = torch.Tensor(json.load(f))

        with open(clean_label_dir + 'clean_label1.json') as f:
            clean_label0 = torch.Tensor(json.load(f))


        with open(mix_label_dir + 'mix_label1.json') as f:
            mix_label0 = torch.Tensor(json.load(f))


        self.spec = torch.cat([clean0, mix0], 0)
        self.label = torch.cat([clean_label0, mix_label0], 0)

    def __len__(self):
        return self.spec.shape[0]


    def __getitem__(self, index): 

        spec = self.spec[index]
        label = self.label[index]
        return spec, label

trainset = MSourceDataSet(clean_dir, mix_dir, clean_label_dir, mix_label_dir)

trainloader = torch.utils.data.DataLoader(dataset = trainset,
                                                batch_size = 4,
                                                shuffle = True)

# testloader = torch.utils.data.DataLoader(dataset = testset,
#                                                batch_size = 4,
#                                                shuffle = True)

Обучение

model.train()

for epoch in range(10):
    running_loss = 0

    for i, data in enumerate(trainloader, 0):

        inputs, labels = data

        optimizer.zero_grad()

        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        if i % 1000 == 0:
            print ('[%d, %5d] loss: %.3f' % (epoch, i, running_loss/ 1000))
            running_loss = 0

torch.save(model, 'FeatureNet.pkl')