设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1798|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
    # P) k% [) V4 U/ x1 d2 o3 A8 w
    # O+ d3 Z' \) O" D为预防老年痴呆,时不时学点新东东玩一玩。$ B) f# s2 p/ }% l2 E2 i( J
    Pytorch 下面的代码做最简单的一元线性回归:
    $ J1 D+ ]& ^7 G& h6 p9 X1 a----------------------------------------------
    8 {" d& g0 d, T; U& F# y0 Uimport torch! \; C7 e: A4 z( X$ ?4 c9 g' S- C
    import numpy as np  {. r% D! j, {, @( l
    import matplotlib.pyplot as plt
    * M" [, @4 i1 |2 Kimport random" t/ a* b$ ?0 ^; j0 \5 m7 h2 ~
    0 L" V8 U; C1 P7 u, U: M1 N
    x = torch.tensor(np.arange(1,100,1))
    3 v2 ^) W: W+ m* E- gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    ' b7 V, O' H6 _" Y6 R7 R! ~( Q( \+ Z% E# N) Z( n
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    ) Y. m: b1 r0 cb = torch.tensor(0.,requires_grad=True)
    , K5 q7 z* J8 U
    5 W6 S: J; j3 ~5 x3 `3 V+ ]! \epochs = 100
    8 s1 @) {4 V9 H: c. h9 q# e: [9 D' B
    ) j( h0 K  q8 g! ilosses = []
    5 o- {; Y$ C8 {/ @5 G8 P  C8 m+ [for i in range(epochs):  X' y0 f/ L% o
      y_pred = (x*w+b)    # 预测6 }; ?6 [" F6 @( N
      y_pred.reshape(-1)
    ( {6 }5 l/ m+ ] & A  x  ^4 R, K/ E- r
      loss = torch.square(y_pred - y).mean()   #计算 loss. W* P* c* h& k3 {7 X
      losses.append(loss)
    ; ^" ^2 D1 D# V  
    9 |+ E  H; }7 y4 P, w  loss.backward() # autograd' U: T8 r8 |4 j% f. x5 \
      with torch.no_grad():
    1 L3 G/ k4 N8 c. ~% z1 J' f    w  -= w.grad*0.0001   # 回归 w
    - ~" P  l7 c% Y9 d  U    b  -= b.grad*0.0001    # 回归 b
    ) Y" V7 S, ^+ y  w.grad.zero_()  
    2 D4 x2 t1 z& {- K  b.grad.zero_()
    % D4 C2 ~6 ^1 B! ^" `% V' ?# J8 ]
    7 V0 L( S# _* ?3 I. }# l0 g* Vprint(w.item(),b.item()) #结果
    % @  ]( c. {( @0 O0 h2 y6 B! B
    * F: W/ P; j6 O9 {Output: 27.26387596130371  0.4974517822265625
    ; Z4 M8 h+ i0 X----------------------------------------------0 M" L$ n& ~- J, g2 B: L2 p7 K
    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。
    : a2 b) V% _  z3 r+ a% ^* E高手们帮看看是神马原因?
    8 \) o% e  \, Z1 c6 Q$ Y

    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 ( S. i- o6 e' x" k$ _
    7 g# [$ p/ r$ E5 V# p  R; 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?$ M" a) H5 o7 R; z0 M  y- w
    -------
    - k! Q- N% ~. I; Q/ `8 y! o- j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。
    5 s" b+ }: a- s: _3 `6 @# `-------/ ]- ?7 N) i) j- B& W1 P, s
    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
      g! n" g$ O) l: ?7 Q" l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?
    ) n% V) z8 l0 G: Q-------/ T/ F9 W* C+ H, n& |
    不好意思, ...
    # q4 Z% A# h0 [' A8 M) a- d! W8 r
    谢谢,算法应该没问题,就是最简单的线性回归。0 D5 ~) A$ y7 a4 k
    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
    , v  r% i' I+ ]. F9 `' q
    雷达 发表于 2023-2-14 21:52
    6 [, c& r9 e* K8 m  s+ _/ U" ?6 O. H谢谢,算法应该没问题,就是最简单的线性回归。! J; K* D2 v0 _2 V2 o
    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 ...
    1 H) s! l5 v6 h- s, p/ G1 C' N1 q

    " I) }" ^9 b1 Q+ y  l3 J7 Q3 Y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。
    / i2 u. g& C/ g$ K4 ~2 X+ m* [, z+ ?( v+ {  H, b
    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 ' n5 e- M% Y; N$ b" p0 V
    老福 发表于 2023-2-14 22:00
    : C% Z1 W( z8 f  ^1 I7 D* a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。* G4 J7 n1 g( Q) s2 p

    8 `$ X! P) _5 f' ^" P  k8 z. a3 r或者把b但的起点改为1试试。 ...

    & X) m5 s; A2 m" z& O1 W
    6 P" S, N+ F2 m% o' ~+ _你是对的。5 f2 E% J" ?  h! b- F
    去掉了随机部分* k: k# }+ N5 Q. c/ H. p% \
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)4 O8 l. B4 b7 Y5 V# _" \# v% `
    y = (x*27+15).reshape(-1)4 m) E$ }, X& ?5 c% C

    " s, d; @# k' |7 e循环次数加成10倍,就看到 b 收敛了
    * V8 y5 w/ W" ]4 F& H+ f. Kw , b1 v, K+ l4 _( Z2 W
    27.002620697021484 14.826167106628418
    ' l, B" O2 D1 E9 [; h3 F0 G  ~9 X1 B1 f+ U9 X# z. }  S9 T1 G2 G! t
    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, 2025-7-19 13:25 , Processed in 0.032697 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