设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1777|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
      Z6 o5 t3 l- F( n; F! h9 w( b# q3 H/ e) \
    为预防老年痴呆,时不时学点新东东玩一玩。
    - r0 s) m7 m' _+ M4 jPytorch 下面的代码做最简单的一元线性回归:- O. f) y9 J4 D
    ----------------------------------------------% }. m9 ~* |  d" T
    import torch9 ^. Y  w/ e5 T2 Y* W
    import numpy as np" l' X/ z8 C: i4 `! i, T
    import matplotlib.pyplot as plt
    7 i$ M% W/ h( ^4 |( {import random8 E( P: d8 G4 O( @
    ' r, W! Y( T: b  O( a
    x = torch.tensor(np.arange(1,100,1))/ ^& N7 O: u1 {8 _% G# w: J5 y; U
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    7 A/ ]! ?% r0 n7 Z
    / q& O- {7 _) ]/ R% F4 f/ |w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    + \) ^7 Y4 c1 ?* `b = torch.tensor(0.,requires_grad=True)5 L6 L- A/ |/ _2 |$ ?

    4 z! I. {; N( l1 D$ w" Kepochs = 100
    ( ]% }; V- W; r- L/ y; K5 i6 ^, ^) ^0 @6 V- s0 y2 M$ e( d
    losses = []1 ]9 t  ?& `5 v7 O# ^2 t1 X
    for i in range(epochs):& d" J4 u' }4 p
      y_pred = (x*w+b)    # 预测6 y% O$ }! Y: X, i: u& N, l
      y_pred.reshape(-1)% K# [$ C+ n" V! v

    ; h+ J9 y& @$ I  loss = torch.square(y_pred - y).mean()   #计算 loss
    - B" E% U) a7 m: ?2 p: H/ d  losses.append(loss)3 _- K  P* }, Z# G
      
    ; y; |+ d1 }9 a0 s0 p  loss.backward() # autograd) i! y8 b! B) J" L
      with torch.no_grad():
    7 U6 Y9 I5 @( r* S, y, a5 z( T    w  -= w.grad*0.0001   # 回归 w, @, s  s& U7 W( A: F
        b  -= b.grad*0.0001    # 回归 b 8 C+ u0 X, G8 r, _
      w.grad.zero_()  8 `; h* C' m* ?+ W) E
      b.grad.zero_(). j! Q' r: q+ Z' }8 v9 L* W+ a

    0 c5 j2 T. R- j. h! O$ A$ {print(w.item(),b.item()) #结果! F$ Y: G# R, r- s2 R1 m) X2 U
    4 o8 J$ ^6 B5 A3 Y" e
    Output: 27.26387596130371  0.4974517822265625
    1 `! A7 T3 n5 P) G) I% W----------------------------------------------. v6 Y0 H/ b, L# ]# k$ Z0 F: L: W% s
    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。
    # P* O3 @2 f& w2 E- [$ Q, C& [3 f* z高手们帮看看是神马原因?5 S# Z) l, q; {! L, _

    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
    - N! Z: Q2 m3 N+ i$ R8 L5 }4 `: c2 L# 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?
    , \/ Y. ^8 Z3 ?$ S; [-------
    , D9 i6 `# }" M2 h4 _! C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。4 N- N$ n, m5 c# C& }) z
    -------  T% c) Y$ b% L3 P6 [4 X6 U
    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 19:239 `: ^' c0 R7 i; ]/ T7 {
    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?, V" ^& @# N( I
    -------
    ) B* _5 g# }! x8 \) ~2 _9 e不好意思, ...

    1 ?, b, a( b: V谢谢,算法应该没问题,就是最简单的线性回归。9 y1 O0 K$ Z" O  d6 m7 w$ @
    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 & }( S/ p+ ~6 _' p2 \; g* L. L
    雷达 发表于 2023-2-14 21:521 m! ^; W( M- }# d$ h
    谢谢,算法应该没问题,就是最简单的线性回归。
    - K. s3 D- w0 o: ~& {* h1 B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 ...
    " W, s* G4 ^2 G: U/ M

    : i( K; U2 O3 @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 t1 G, G( T) @/ \% ~

    3 }- g% s. {9 P% x% w  O, U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
      d) z" `# @( J# d) @8 w8 I
    老福 发表于 2023-2-14 22:00
    - ^# D+ t, P' S. I  L% @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。1 G5 l% Z2 z6 D' I

    1 a: l" w+ d7 [- g! ~/ W或者把b但的起点改为1试试。 ...
    0 }2 ^4 H8 T4 g! D7 W3 T: m$ e
    8 ~1 P# i: ^+ \4 O- [/ |
    你是对的。: v) B! b4 {2 J& v4 y- n
    去掉了随机部分
    ) M0 m2 E% _' W) w% Z+ o. N( N" M: H#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    ) r$ g) o- n0 jy = (x*27+15).reshape(-1)3 C7 J* b9 F) z. z+ U, {' O
    ' P/ c2 E! Z7 s+ `% {
    循环次数加成10倍,就看到 b 收敛了! h7 W6 F+ r$ R2 G
    w , b
    8 \+ c- J4 ~; y* l27.002620697021484 14.826167106628418" I  g+ s8 Y* _  m. g& D9 U# S

    $ V& U" b$ `8 N3 t" _0 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, 2025-7-14 01:24 , Processed in 0.033534 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