设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1679|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 4 d3 S* o, u. D: E( b4 h0 Y
    * U8 t6 G2 D# y  b" z! W8 W3 ^  a
    为预防老年痴呆,时不时学点新东东玩一玩。) D' L+ Q1 \) T
    Pytorch 下面的代码做最简单的一元线性回归:2 l/ D6 r- j; w! B
    ----------------------------------------------  Z" O8 P% w9 i, w: I) c9 y' ~
    import torch3 P* a/ ~% j; @+ O7 N8 w/ K" ]: D
    import numpy as np' s' K, s1 }4 J% b
    import matplotlib.pyplot as plt4 O  i, e, x; X$ p: v
    import random
    & |6 m' f- X$ ^# U" v. c& Y. P2 m
    5 M, r, |' H& Z  m4 Wx = torch.tensor(np.arange(1,100,1))4 ^  j& W8 ^! L5 {/ B4 ^
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    5 ~: [, h) I- ~6 v6 ^, V! _, Q" \4 [( _' n/ o# p5 j3 [- Y9 [9 k
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    ) L4 S( D, t4 k" D- j6 D6 qb = torch.tensor(0.,requires_grad=True)* R# z$ L7 t( }" k
    7 n9 y9 M% U* \
    epochs = 100, Q9 A0 A6 w0 O; M& G

    / m/ S/ f2 M8 S4 Dlosses = []
    ! k! N1 `/ @" X9 afor i in range(epochs):+ Z2 Y  @# Z: z8 ~
      y_pred = (x*w+b)    # 预测
    * r8 V( J+ M" G) A! q  y_pred.reshape(-1)$ @2 s' _. }7 T* f  I2 M7 E

    , g" @9 S! q  r  loss = torch.square(y_pred - y).mean()   #计算 loss
    6 I/ N  P3 j9 ?$ H3 x% i  losses.append(loss)8 Q9 o4 o+ F0 |/ E+ E$ |& v
      / P; \. E, C7 p1 z
      loss.backward() # autograd
    / T, X# }1 V* i6 N  with torch.no_grad():
    9 V8 p! d, d8 n1 [5 g% `    w  -= w.grad*0.0001   # 回归 w3 U# F# a) i3 `  w6 E  x0 ?  ^
        b  -= b.grad*0.0001    # 回归 b
    6 l+ f% O9 O$ A4 V, y1 F  w.grad.zero_()  . y* B' ?! w7 {' y$ x2 \
      b.grad.zero_()
    4 Y( N8 D8 _  a( p( {2 A9 \$ p+ y) ?( y, L/ \8 C6 Q
    print(w.item(),b.item()) #结果
    ' [6 R" ~9 i# G" l0 F. O& G4 T# {+ w1 }
    Output: 27.26387596130371  0.4974517822265625% f8 \& N; U+ J; N% k- ]7 K
    ----------------------------------------------
    ) L2 j) c; ?( _/ }% r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。. `; ^: c% \' C5 m
    高手们帮看看是神马原因?
    4 v: [& ~: ^% m* U) \

    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
    ) P, O0 _0 B! i
    : L( Y5 x9 C7 c( Y) E/ b, 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?# O) y) ?. U* F0 H- Y5 _$ s7 B
    -------
    % l$ h- b1 G3 _" z6 \8 w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。
    ; Q- O/ p2 k- {. g5 O0 |-------9 B4 m5 N* S1 {9 F, M
    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! _: E4 w3 i% _6 B; i* T
    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?" |# i* P' z+ f5 }
    -------! t2 T; N" s0 ^$ N$ Y
    不好意思, ...
    : [) ]  j- @& ^
    谢谢,算法应该没问题,就是最简单的线性回归。* b. t- @$ A) d. z7 g9 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 & a1 o: Q) p8 v' t
    雷达 发表于 2023-2-14 21:52
    ' W% x. V- ]- k2 W0 G谢谢,算法应该没问题,就是最简单的线性回归。& [; B, |- v0 \' U7 _( n' l! n+ d3 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 ...

      T) _2 j; _0 q/ w8 l9 j. b: C# U  j
    " U2 W5 {; 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。, x% e7 X! `4 w+ V; m. E
      J# ~4 E- x0 f; O% c9 H
    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 / G1 a# a* w( J/ `6 g" r  u
    老福 发表于 2023-2-14 22:00
    ( Q3 g; `% l1 O) z4 Y% a3 |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。; S! J7 w& t; o4 I" ]: o
    4 E+ z8 I2 H& l
    或者把b但的起点改为1试试。 ...

    # P! Z7 Y; S" |; `' Q! j* R) l1 d1 q7 y
    你是对的。
    $ l( Z3 P! |" ?. d( j去掉了随机部分
    " j: z" v$ q3 _5 s9 V7 {$ @  y#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    4 u4 S1 ]7 K4 Ey = (x*27+15).reshape(-1)
    & ~; ~! ]& h/ A3 @" Y9 g$ U. Y
    3 x  Y* I6 r( {3 c5 {循环次数加成10倍,就看到 b 收敛了) ~7 K3 W7 ^- T
    w , b
    2 K6 q' [- x* |5 s27.002620697021484 14.8261671066284181 A* B7 A8 _  L& Y/ h# u' R
    ; }* ^% _6 M4 H# Q$ r
    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, 2025-6-11 16:36 , Processed in 0.040016 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