设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1765|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
    7 u# V# K0 s9 w4 ]1 Z& q
    ' ~$ z4 y$ ]! i9 \为预防老年痴呆,时不时学点新东东玩一玩。7 p& b8 S  D. X
    Pytorch 下面的代码做最简单的一元线性回归:
    ; j! v. K" z' D5 Z5 v  r----------------------------------------------
    7 a6 z9 j7 W1 x1 g- D- ]import torch5 |) v/ Z8 A% Q
    import numpy as np/ A! d2 c+ ?5 t% Y2 V; D
    import matplotlib.pyplot as plt
    5 R: D! F4 `$ v1 |/ c1 m0 R# h$ Ximport random
    ; k$ Q) I* d( |' t) h8 n
    8 V) s) `) }% \9 s) \x = torch.tensor(np.arange(1,100,1))! |. r9 T0 W8 E8 y9 H# v
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    $ \3 _$ _& _; L: R# a# g# q1 w9 A0 b* z, @
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    8 ^) p0 X# l+ D, k0 Sb = torch.tensor(0.,requires_grad=True)
    6 W- Q* r# u) s+ A2 W( M* H% t* F  J% F$ L: m1 Q, Q! U2 h, F) j
    epochs = 1006 d) ?) E+ q5 _; ^" f
    4 i2 q5 @& H& D, b
    losses = []
    3 |5 D6 I" @! t3 j2 ]0 V! b: Nfor i in range(epochs):
    3 x# k( X# p. [& j) |: c# H  y_pred = (x*w+b)    # 预测
    * d) D7 ?; y; ?% R5 q) I" `  y_pred.reshape(-1)4 \% Z& H: S' J2 r$ G

    1 Z6 C; Q8 A" a9 S- K  loss = torch.square(y_pred - y).mean()   #计算 loss9 X. N8 {( s9 ?$ z
      losses.append(loss)
    $ U( A3 R& r' s/ T  e  / P. d! w7 ?3 N, S+ E
      loss.backward() # autograd8 R6 M3 w4 m7 n% [& D& _6 o
      with torch.no_grad():
    * w+ h% g: F! }2 a- x9 o9 |; F( g+ Y    w  -= w.grad*0.0001   # 回归 w
    ; r/ N$ _+ ?' p9 k5 p. E    b  -= b.grad*0.0001    # 回归 b $ H2 F5 r* a- X4 u( `$ V6 F
      w.grad.zero_()  ' d$ `" M$ o5 R
      b.grad.zero_()5 _. T4 @, V0 n. W) s3 ^# k3 e

      T$ c- w" a3 L% k5 u7 J: Xprint(w.item(),b.item()) #结果
    ! H  A0 V; Q* Y7 Q  C4 J5 m% E3 y
    Output: 27.26387596130371  0.4974517822265625
    % E) S4 j0 v0 Y) R----------------------------------------------
    * J/ I, {6 }1 V8 `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。
    ( e6 \! T5 q1 d! R& p高手们帮看看是神马原因?! U' Q  m7 m+ H0 F

    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 ! ?1 `, q2 u# y: q

    8 E( z3 L7 M2 g: z, I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?6 D' Z1 d7 I7 h/ `: ^6 b
    -------
    ; R( t# F: [+ e+ a) k; 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。
    6 i+ }- z2 Y% t0 ?. e7 r-------
    # ^$ C4 \/ ^6 \4 w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  p/ e) ~' f, h- M+ n
    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?& t# ]3 }6 s) Z& ~9 ~& l
    -------
    - m$ b3 m9 b, V( r$ o4 n% S不好意思, ...
    9 {' S  [& i5 G$ x7 z; X
    谢谢,算法应该没问题,就是最简单的线性回归。
    : Z9 E6 k3 o& f% D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 ! a7 e5 k1 X+ y# U8 {1 c
    雷达 发表于 2023-2-14 21:52
    ( m$ [) Y9 z1 R1 |) O谢谢,算法应该没问题,就是最简单的线性回归。
    ) U# k  G2 O) E# k- 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 ...
    9 Z' I. A& J+ K% H5 b
    4 z1 m+ e6 ~, m$ 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。
    " i, [4 r5 T/ V$ |6 q
    & i; n& e2 b5 _* \$ W4 I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 2 F; l; a1 |7 [
    老福 发表于 2023-2-14 22:00
    3 F4 Z$ N2 Z& n' }$ V: 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。
    # ], W6 n) i' s+ C& a2 i: V5 w& I2 _" V8 x/ Z/ \
    或者把b但的起点改为1试试。 ...
    ) F0 ]# u0 u" r' J

    6 @5 A! f: s& I( L1 W你是对的。; z" r; l. Q( m9 t" i
    去掉了随机部分/ F% `4 s, o0 Y; \- i( t6 K; F
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)2 m7 W' L4 }! n# c& [
    y = (x*27+15).reshape(-1); H/ y9 E4 f$ ]1 r7 [
    ) n  _4 t8 L. Z/ f1 e+ Z
    循环次数加成10倍,就看到 b 收敛了
    # V2 ^1 p7 j. p$ Cw , b4 h8 Q* E/ t2 _# ^  y
    27.002620697021484 14.826167106628418
    " ]4 K7 R- Q' \( q3 x; r7 |% |% F/ }$ M$ a0 P* \
    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, 2025-7-9 11:04 , Processed in 0.034251 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