设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2716|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
    2 X- J- P( ?7 }: d) d3 Z9 b( ~! B' f, \0 Z; L3 s
    为预防老年痴呆,时不时学点新东东玩一玩。2 d6 z* Z) z/ |7 t  w$ y
    Pytorch 下面的代码做最简单的一元线性回归:
    * c3 b: p% [- Y0 f: [----------------------------------------------& j' ~& k6 k; |
    import torch
    5 q' s" G4 X7 c  @# himport numpy as np
    3 k+ o" M; C6 @import matplotlib.pyplot as plt5 ?+ m" o& s) A6 Y& d& z
    import random
    * n8 H3 T: E) O7 g$ p4 d. \3 n5 x0 I. [
    x = torch.tensor(np.arange(1,100,1))
    3 \# l' @7 H% z) N# W; Ey = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=154 e% P( h% r# t6 ^( R

    ) Q+ H. ?3 I* }! E! c+ hw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    . }$ C+ Y4 X4 o& u9 k" Pb = torch.tensor(0.,requires_grad=True)
    . T4 i* `! U6 ^
    7 a! E& ]! m, ~$ V9 h7 o+ O( depochs = 100  x( y/ d8 L9 w6 M

      F" n1 Q7 O# \( r+ Q% Z; plosses = []
    7 f: Q3 O2 t) t) J$ H* X/ sfor i in range(epochs):
    3 ?+ H7 _' F: ?4 l' B  x& l  y_pred = (x*w+b)    # 预测
    * @1 ^9 U4 a& P, Y: x  y_pred.reshape(-1)
    , y" P  r) c  O" F+ Y- q9 [/ W: Y 9 L* W/ o( p0 _9 u0 z/ s
      loss = torch.square(y_pred - y).mean()   #计算 loss2 z6 W0 M  O" T& ?, C* ~
      losses.append(loss)
    4 S/ _: ]5 t" J! c  
    ; Y8 k1 N4 [4 f" [5 @# \7 P8 z9 y; m  loss.backward() # autograd
    : d' v# z* v1 c3 A% Y) [6 i3 b  with torch.no_grad():$ @% k0 L2 s# J( Y
        w  -= w.grad*0.0001   # 回归 w( F$ J: n2 n$ p# G
        b  -= b.grad*0.0001    # 回归 b
    . h7 H7 {: O: ?; k6 A  w.grad.zero_()  
    ) i0 B& A/ w' S4 U  b.grad.zero_()! O. g! X8 b8 w

    . ?- |5 X3 W; p6 x$ aprint(w.item(),b.item()) #结果" @2 R% T' I$ q  }

    3 G& A" K: K  JOutput: 27.26387596130371  0.49745178222656250 X' I7 M/ i/ p
    ----------------------------------------------, d6 _# A$ u) r4 `( ^
    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。* K' e+ Z3 W: w3 ~1 U7 S
    高手们帮看看是神马原因?
    2 {8 T8 V& u3 q5 b' R  \' Y" e

    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 / G3 B5 q0 i0 N: l- V1 v

    1 ?9 y' p4 h# ~$ Q9 E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?5 b$ x, i5 c; u7 B
    -------
    : [% R, |; p4 q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。- V/ A5 z+ V/ J2 g! o
    -------& P" M( |3 z8 D0 Y" S+ [/ 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

    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
    3 O4 v& p6 s' B$ 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?& X8 \- e1 p8 v9 E. r4 I2 T0 F* r
    -------8 c+ J9 G, f" z0 n
    不好意思, ...

    6 Z3 p/ R2 S& {" L! {谢谢,算法应该没问题,就是最简单的线性回归。% y4 ]& C5 l5 m( v# u
    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 ! [5 f. C/ L2 @( d$ V
    雷达 发表于 2023-2-14 21:52
    0 |& O% m1 b6 v8 `9 q1 ^, K谢谢,算法应该没问题,就是最简单的线性回归。' Q. e* |  z" s2 S, o2 R; a
    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 ...

    7 `: P1 [1 ]3 ?
    6 {+ X+ s2 D3 U5 ?" o8 d# ^. m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 i* j5 Y) D9 B! S' M' {. i% d
    1 b; g& c4 y  }% l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
    ' [) N" R# G: B# M! }$ \. e
    老福 发表于 2023-2-14 22:00! V$ v: s  J, @1 c+ v
    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。- |! M6 c% R& h) C- C
    5 p8 A* _  i1 {  D$ @# t
    或者把b但的起点改为1试试。 ...
    $ }# S8 W4 X0 J

    * C6 ~. r( m% z; \: M你是对的。
    5 h; j4 t3 P( A1 I9 \* m去掉了随机部分
    ( V/ o/ V) u; b+ A8 w2 @#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    5 S( Y9 C6 l# g) W4 h1 Wy = (x*27+15).reshape(-1)
    $ }) m  K3 l) u! W* w: s7 _& ^8 e$ B4 A0 @" T3 J1 b; ^9 I& m
    循环次数加成10倍,就看到 b 收敛了
      Y) P& u0 N' C+ }* s  k8 Tw , b0 ]8 m. N# {* ?( ^4 H4 Q) q4 B
    27.002620697021484 14.826167106628418# }2 U9 B+ H6 x0 r) O

    # r! ^1 P) M2 S3 P/ w' v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, 2026-4-8 12:25 , Processed in 0.064007 second(s), 23 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表