Модель не обучается

Первый тест: беру маленький батч, например 8 объектов, и пытаюсь довести loss почти до нуля. Если сеть не может переобучиться на 8 примерах, проблема в коде, а не в данных или модели. Дальше проверяю данные: смотрю глазами на пары вход-метка после всех преобразований, нормализацию входов, что метки не сдвинуты относительно объектов и что DataLoader перемешивает трейн. Проверяю выход и потерю: в CrossEntropyLoss идут логиты, а не вероятности; размерности совпадают; нет случайного broadcasting. Проверяю цикл: zero_grad перед backward, вызывается optimizer.step(), оптимизатору переданы параметры нужной модели, model.train() включён, параметры не заморожены. Затем смотрю нормы градиентов по слоям (нули или взрыв) и делаю короткий поиск lr по логарифмической сетке. Начальный loss тоже подсказка: для 10 классов при случайной инициализации он должен быть около ln 10 ≈ 2.3.