Pytorch从零开始实现线性回归（结果异常，权重和bias不收敛），大家看下什么问题

Question

#定义测试数据
x = torch.randn((1000,1))*100
y = x*50+1230
y_ = y + torch.normal(10000,3000,size= (1000,1)) #加入噪音

#定义损失函数：
def MSE_loss(y_,y):
    MSE = torch.sum(torch.square(y-y_))/y.size()[0]
    loss = MSE
    return loss

#定义网络及迭代方式
def Linear_Net(x,y,lr,epochs):
    #导入必备库：
    import torch
    import torch.nn as nn
    #提取size:
    input_size = x.size()[0]
    input_features = x.size()[1]
    #初始化参数：
    w = torch.rand((input_features,1),requires_grad=True)
    b = torch.rand((1,1),requires_grad=True)
    loss_ = []
    
    #计算及迭代：
    for i in range(epochs):
        y_ = torch.mm(x,w)+b
        loss = MSE_loss(y_,y)
                
        loss.backward()
        for param in [w,b]:
            param.data -= -lr* param.grad
       
        #梯度清零，否则梯度累加
        w.grad.data.zero_()
        b.grad.data.zero_()
              
        loss_.append(loss.item())
       #查看每次w,b运行情况
        print(w)
        print(b)
    #导出结果：
    print("w============>>>>>>",w)
    print("b============>>>>>>",b)
    

结果不知道为什么，好差，不收敛：