设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2509|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

    2025-9-22 22:19
  • 签到天数: 1183 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   G( x+ ^% |$ J$ l0 C9 f6 O
    # @6 b% K8 E* f+ _1 B8 c
    为预防老年痴呆,时不时学点新东东玩一玩。  ]" L% {7 W0 l8 v/ x
    Pytorch 下面的代码做最简单的一元线性回归:! P: e  n+ ^5 J+ j
    ----------------------------------------------
    ; v; {. g7 k% L8 r. F0 rimport torch
    4 v7 X5 Y( U0 ?: _% p* Gimport numpy as np  D1 U# u. X' p8 i6 k9 s! c
    import matplotlib.pyplot as plt7 o/ Q/ ^- B! J. j4 I3 o& C  H
    import random
    / a; F; V3 {  X# y+ m# \, X# m; @3 e& W# a. c+ L+ B# P. N
    x = torch.tensor(np.arange(1,100,1))
    + m* y+ D! a& j7 {! k3 V! vy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    ' m6 s9 B" B' Y
    + W8 k# v6 ~5 f  ?9 Tw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b1 @) m8 w) x, x8 u: i% L
    b = torch.tensor(0.,requires_grad=True). X7 ~2 ?- N/ V; h

    , n6 }5 p6 D& {7 a, v6 Sepochs = 1001 q, M& M* @/ y" `) A) V& r1 T$ D3 ~7 `8 K- d

    ; Z' N4 T7 I7 [) |losses = []* g6 k$ }) p1 a2 c9 s
    for i in range(epochs):0 m9 x0 C  Q& T; {7 [) g# p
      y_pred = (x*w+b)    # 预测
    / k; E+ ]3 ^; f/ g8 r2 V2 Y* S( Q1 E  y_pred.reshape(-1)' I4 t6 e3 c, C% N
    5 X* X+ ?- F4 P( c1 _7 |
      loss = torch.square(y_pred - y).mean()   #计算 loss
    ( [7 I1 G' x" V1 r1 f6 z- Q/ s/ q  losses.append(loss)
    , Y. q% g/ u, K0 A. a  
    2 s" c7 E+ V$ _: ^" Z  loss.backward() # autograd% q8 k: \) {' l7 ]
      with torch.no_grad():) f& S0 a7 X7 s0 S8 d+ O
        w  -= w.grad*0.0001   # 回归 w
    7 v7 E- y- Z0 N  u8 u    b  -= b.grad*0.0001    # 回归 b ) S  L5 A/ y2 ]2 g+ q8 G
      w.grad.zero_()  2 k% S: L6 n! i& N; i
      b.grad.zero_()$ l* v3 o( Q4 j) U5 J8 ]

    - o8 V# r9 U3 }+ tprint(w.item(),b.item()) #结果6 g, x- t- N$ g2 `7 k
    . H% H( ~* H3 q" z) o0 D  f9 ^
    Output: 27.26387596130371  0.4974517822265625
    5 _! ]; i# N' t3 y4 ]----------------------------------------------' i) D! |/ K" s8 R1 k6 B9 _
    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。
    3 c3 [% _; E( V高手们帮看看是神马原因?5 n3 h; x: z/ J  N) m

    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
    & _9 t- K7 {3 _* S: U
    0 H+ q" W! A9 ?! ~+ 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?7 F. ~7 o5 Z0 l) [
    -------) B. [+ o. I# p/ \1 k; n, ?8 ~! J; b2 l
    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。
    1 M6 Q) J- R7 \. U9 H- l-------
    : f, U) z) k' D7 B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

    2025-9-22 22:19
  • 签到天数: 1183 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, S4 F; Z2 }! r. S
    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 g; ?0 y) ]/ _5 P( _-------
    + h+ m' a' a; `2 q# }7 {' B: F# v不好意思, ...

    ' x8 |- U- G7 U$ p' f9 K: M谢谢,算法应该没问题,就是最简单的线性回归。
    , D. n" e4 j0 m0 {  s& U5 O( T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
    8 }3 |; b/ ~3 @  s+ }# u) A
    雷达 发表于 2023-2-14 21:52  M7 t+ M2 o7 d8 i# N- D
    谢谢,算法应该没问题,就是最简单的线性回归。
    ( c. Z- T! q/ C8 [/ f" y, O6 l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 ...

    , g7 f" ?9 e/ q
    ( g! p; h+ Q- W, }2 Q. ~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。0 h& k2 u! s: W# V
    4 |9 X( T3 @2 q; {9 I* G
    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

    2025-9-22 22:19
  • 签到天数: 1183 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
      \9 [  J6 i. z, E4 q! J6 g2 J
    老福 发表于 2023-2-14 22:004 q1 E. v, U% `; d0 a' r3 H$ k$ ^
    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。
    5 Y! Z! T' }# j  l" q3 p& o( c5 N; l2 K( j! N! m
    或者把b但的起点改为1试试。 ...

    , K* T- N% E. N) `, R+ b. ?$ m+ y. P/ o9 Y
    你是对的。
    $ n6 E& C* j" N" X3 [$ Y去掉了随机部分8 q& V1 T: a) R- }
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)
    ) i" b- N# j6 u3 p, z/ n" Iy = (x*27+15).reshape(-1)
    & Z. {! Z+ f7 ~! F5 j, _5 s; j2 g+ T/ W" c
    循环次数加成10倍,就看到 b 收敛了
    6 ^: V% C4 M1 xw , b  U) s5 Y2 k9 O4 X
    27.002620697021484 14.826167106628418
    * F  \- T0 H1 H; i6 J/ R; b% y4 {; V' |8 {/ Q# R5 |: Z5 D
    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, 2026-2-26 08:52 , Processed in 0.054344 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