def sgd(params, lr, batch_size):  #@save
    """小批量随机梯度下降"""
    with torch.no_grad():  # 被该语句wra 起来的部分将不会跟踪梯度
        for param in params:
            param -= lr * param.grad / batch_size
            param.grad.zero_()

这个问题我看到论坛也有人在问，但是大神回答说自己跑一遍代码就会了，我想这个东西只可意会，不可言传，于是我动手算了一波，这次算是真正理解了。

为了方便各位学习，我就把计算过程展示在这里，大家就不用自己去苦思冥想了。

这里先写一个示例：

import torch

X = torch.tensor([[1.0, 2.0], [2.0, 3.0], [3.0, 4.0]])
w = torch.tensor([[1.0], [2.0]], dtype=torch.float32, requires_grad=True)
b = torch.tensor([0.0], requires_grad=True)
y = torch.tensor([[0.0], [1.0], [2.0]])

y_hat = torch.matmul(X, w) + b
l = (y_hat - y)**2 / 2
l.sum().backward()

print(w.grad)
print(b.grad)

运行结果是：

tensor([[46.],
        [67.]])
tensor([21.])

 计算过程如下：

动手学深度学习之如何理解param.grad / batch_size（详细讲解）_pytorch

 从上图计算过程可以看出，params.grad 其实是batch中所有样本的grad总和，所以这个时候除以batch_size就是相当于取一个平均值，这样就算下一次传入的batch_size改变了，最后也不会影响得到的平均数。