设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1775|回复: 4
打印 上一主题 下一主题

[信息技术] 继续请教问题:关于 Pytorch 的 Autograd

[复制链接]
  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    跳转到指定楼层
    楼主
     楼主| 发表于 2023-2-14 13:09:28 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    本帖最后由 雷达 于 2023-2-14 13:12 编辑 8 J/ m% b1 Q& L" x- K5 Y, h
    , a' ]* }1 H! f/ R7 b& M& p2 P4 T" I
    为预防老年痴呆,时不时学点新东东玩一玩。3 G7 n2 x- U2 `( I% y( m
    Pytorch 下面的代码做最简单的一元线性回归:
    ! i) F& z5 ?8 @4 v, }0 \/ }----------------------------------------------! J* ]$ @  n# X7 _* w7 M" s% D) f
    import torch; Q2 Z* H7 P+ U/ ?3 B! f* l0 f! t
    import numpy as np$ v0 t$ d2 w' U5 n. L
    import matplotlib.pyplot as plt0 l- j3 ?8 j5 J- v
    import random
      \; H/ V( b8 X! a& [) S  |4 P: ~
    x = torch.tensor(np.arange(1,100,1)), }" p0 g7 a$ e( S/ O
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    , `9 c+ [2 {; O1 J& m# O, v+ ~& z# x) o6 y3 U2 L/ d
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    1 s- c" ~$ ?  Xb = torch.tensor(0.,requires_grad=True)1 R# M- U8 \, e) K! K. k& i
    ( {7 B# ]) q) Z# o) ~5 J$ S
    epochs = 100, F0 z/ c7 i* H0 @

    9 @; _# N7 ]( J1 Q: _- E7 Vlosses = []+ e( @5 R, r2 \
    for i in range(epochs):; G+ J+ F2 g. f7 {  q% s
      y_pred = (x*w+b)    # 预测
    , F/ ^  u. U; v  y_pred.reshape(-1). B' F( X' K. J( j; Y3 M! X
    . U. R' \0 m8 ^; P5 @4 D) j
      loss = torch.square(y_pred - y).mean()   #计算 loss3 K2 W% h  B4 i( I: v; M/ A% q
      losses.append(loss)6 U% X9 T: T0 r2 c& q2 l* l7 |
      , j# B  t$ b& I: K! S
      loss.backward() # autograd$ w9 t, O/ n/ j7 P& C( q$ I
      with torch.no_grad():
    7 F$ C8 e# W# L: Q3 t1 K$ X* ^    w  -= w.grad*0.0001   # 回归 w
    ) G. N/ G  W" j/ Q+ M  P5 {; h    b  -= b.grad*0.0001    # 回归 b / K3 G8 I! j6 Q  J& d( K
      w.grad.zero_()  
    : p: U1 N8 Q/ N  b.grad.zero_()
    2 C2 Y) ?6 ]* W8 B  Q9 ?( k' M! K& h1 q0 n% |' \; Y" Z
    print(w.item(),b.item()) #结果' u7 a9 T& d8 ?! S( s. y1 |

    * \+ O" G6 r: ]) J% S# S1 j: {Output: 27.26387596130371  0.4974517822265625
    + Q& e" {% E$ b----------------------------------------------8 E. C7 J) M* C: y* I7 i; t3 D
    最后的结果,w可以回到 w0 = 27 附近,b却回不去 b0=15。两处红字,损失函数是矢量计算后的均值,感觉 b 的回归表达有问题。' G/ v& n% o& j/ c
    高手们帮看看是神马原因?
    9 o9 i: P5 S) ^: ?

    评分

    参与人数 1爱元 +10 收起 理由
    老票 + 10 不明觉厉

    查看全部评分

    该用户从未签到

    沙发
    发表于 2023-2-14 19:23:02 | 只看该作者
    本帖最后由 老福 于 2023-2-14 21:58 编辑 4 G3 M8 ~( }/ O1 |$ m2 }
    $ G( {# n. a. A5 O/ u  U
    没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?8 O  r, q8 U7 E0 V* _
    -------2 g$ n3 {1 h: G$ _8 Z' e# O4 {8 b
    不好意思,再看一遍,好像你在自算回归而不是用现成的工具直接出结果,上面的评论只有一点用,就是确认是不是算法有问题。! E' {/ Z: k5 z+ c" T
    -------* e' D8 T+ V/ ]
    算法诊断部分,建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够,因为你起点是0, 步长很小。只是直观建议。

    评分

    参与人数 1爱元 +10 收起 理由
    雷达 + 10 谢谢建议

    查看全部评分

    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    板凳
     楼主| 发表于 2023-2-14 21:52:57 | 只看该作者
    老福 发表于 2023-2-14 19:23; p0 ]# |7 \, H/ `' y
    没有用过pytorch,但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期?
    - |, h  P' F/ m5 R  U. e-------
    3 x0 q7 \" z8 l6 \, F) V: o不好意思, ...
    4 m1 q+ ]6 w. k3 I  L% i( O
    谢谢,算法应该没问题,就是最简单的线性回归。3 x, a+ w1 T4 _/ q5 m" S
    我特意没有用现成的工具,就是想从最基本的地方深入理解一下。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    地板
    发表于 2023-2-14 22:00:48 | 只看该作者
    本帖最后由 老福 于 2023-2-14 22:02 编辑 : d: e2 I$ Z' \  a
    雷达 发表于 2023-2-14 21:52
    7 y6 i+ o6 [2 l& q$ E谢谢,算法应该没问题,就是最简单的线性回归。- T, D/ _2 A/ D6 M
    我特意没有用现成的工具,就是想从最基本的地方深入理解 ...
    . R- V8 j) l3 ^$ C1 ~; ^3 k. c
    & {5 I# C6 S& L, t0 v, c
    刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。! a: g3 Z0 i" s, l; Z' |
    # r& G- t* u9 g, x# m( R, J
    或者把b但的起点改为1试试。
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    擦汗
    2024-12-25 23:22
  • 签到天数: 1182 天

    [LV.10]大乘

    5#
     楼主| 发表于 2023-2-15 00:25:26 | 只看该作者
    本帖最后由 雷达 于 2023-2-15 00:31 编辑
    3 [' y8 m) U9 H' k' ^! W
    老福 发表于 2023-2-14 22:00) X6 g& b( N4 }0 ], A7 f' M5 r/ Z
    刚才更新了一下,建议增加循环次数或调一下步长,查一下loss曲线。6 K, a3 V( k7 f3 X
    3 d* h. r& Z: k( O
    或者把b但的起点改为1试试。 ...
    $ d: c6 ~9 Y4 Q3 W
    9 R6 q! R8 @# M2 S* b
    你是对的。
    7 p% L( S) C# v; @/ x去掉了随机部分" \' ^! Z9 E2 l3 s. b
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)
      K& N; K3 ~. V% ?3 p& Hy = (x*27+15).reshape(-1)$ s  V4 ~* h3 M# O( L6 K+ j% \8 T* C+ o

    " c  P6 P+ Q# W循环次数加成10倍,就看到 b 收敛了
    $ u+ y. L3 A5 y# }7 Y! Uw , b
    & R# N2 V3 M2 c" u& Y27.002620697021484 14.8261671066284187 G' w$ {7 j( w: X$ Q0 V
    8 I- O: ]% k4 z* S) a
    和 b 的起始位置无关,但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ,收敛就很慢。
    回复 支持 反对

    使用道具 举报

    手机版|小黑屋|Archiver|网站错误报告|爱吱声   

    GMT+8, 2025-7-12 20:28 , Processed in 0.033840 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表