设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1827|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 & F) A3 l( @2 a; K
    - B3 q9 I0 u/ A, m4 F
    为预防老年痴呆,时不时学点新东东玩一玩。
    ! E. n, K; d8 Y+ }( ?* APytorch 下面的代码做最简单的一元线性回归:+ ?5 t; ?# g4 m. B) E0 ~3 f
    ----------------------------------------------' o7 @6 H5 f9 W) ]; z$ Y, L
    import torch9 [' w* f" Z+ \
    import numpy as np0 B7 Y4 Y5 y7 l: G% [
    import matplotlib.pyplot as plt
    ' J! R3 b: T( c; n0 @import random2 i/ m1 s, P7 x7 \

      i) s* t# n4 l& U" gx = torch.tensor(np.arange(1,100,1))
    ) t$ y4 i& Q1 t6 |' ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=155 p4 U, P0 h" x7 v! E
      u' W0 \! R' Q
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b7 S5 d- H+ j* e: j! ^) v
    b = torch.tensor(0.,requires_grad=True)
    ( t% p9 f8 Y( x5 y/ u
    2 K6 t/ z' C7 d) {% yepochs = 1009 u8 I) f" u: x2 E( D0 |  n

    - ~9 V4 [8 K# S( C. Nlosses = []
    / J$ c! s. x  e* {2 I4 Dfor i in range(epochs):
      ~1 \1 a/ d/ x  y_pred = (x*w+b)    # 预测
    6 g5 s  N8 P. ]: d" p" V  y_pred.reshape(-1)4 [$ x5 n5 b+ G% H& X  f

    8 W: h/ A5 f. O  {$ y  loss = torch.square(y_pred - y).mean()   #计算 loss
    / ]7 q8 ~. x  b1 [9 v; Z, j5 n5 i  losses.append(loss)1 M) Y0 W1 l& D/ Q2 y- o, ~
      # \0 w+ w8 {: z# o2 e9 j
      loss.backward() # autograd) T' x2 Q0 {9 K& u
      with torch.no_grad():
    # N- `; M$ V. y# k7 R    w  -= w.grad*0.0001   # 回归 w
    8 ]  ~9 @4 ?6 r6 O  k' M6 \9 R4 B    b  -= b.grad*0.0001    # 回归 b
    & [; D" r) d3 Z: l8 R  w.grad.zero_()  ) s+ I9 s8 O- X0 b  q) ^3 g6 m( B0 p6 X
      b.grad.zero_()
    # D4 F) G1 t1 H: D. l
    8 S* l/ @' Y8 K% Q9 S$ I6 Pprint(w.item(),b.item()) #结果
    ) z# G# v8 R; d: H' q% a
    % X6 f1 [5 E" V. O1 d: POutput: 27.26387596130371  0.4974517822265625$ r2 {% o$ b& L2 ^
    ----------------------------------------------- W. k5 e6 ~  x1 `5 k' _. q: Q
    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。
    4 Y+ \5 q/ h' m$ Z! V高手们帮看看是神马原因?
    5 s, n9 B" Z6 s7 l. w5 D

    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 ) S2 `3 U% L; H' p2 a( D
    $ ]+ J- K0 m* j4 M% e0 L/ ]) k" 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?
    2 n3 p. G1 j0 k- c8 g8 x-------
    ( @8 O9 [; h: [9 O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。' u3 C9 ?2 I" Q/ l
    -------& Y- \# }9 p7 M6 ^
    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+ E9 ~) U8 z8 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?9 F7 o7 ^' y8 p+ b0 T+ T3 g6 I
    -------
    : ^6 d* ?( B1 S不好意思, ...
    2 F+ ?( _7 q7 x6 q2 m" _' A
    谢谢,算法应该没问题,就是最简单的线性回归。+ }, A/ R8 D  P; x
    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
    ) u% C3 m  O3 c  r, e7 s+ P
    雷达 发表于 2023-2-14 21:525 B' x4 c! n7 G) w# P7 |
    谢谢,算法应该没问题,就是最简单的线性回归。/ \# E- @5 u3 z, a" c+ k
    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 ...

    2 g  O( e$ H4 B3 c' q1 ]% M0 p2 ?  \5 r  ?, m9 y  H' N+ i
    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。3 Y4 L* S& j$ p* B& {

    ) h$ w  ?# V- O0 B6 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 ) z1 A& q( m* i& |  r
    老福 发表于 2023-2-14 22:00
    ' x0 l- T  [( 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。1 A9 ^! g0 _+ U! {2 I
    ' p7 m) h/ k( N! S  H' v! j# r) T
    或者把b但的起点改为1试试。 ...
    4 ^+ |" G4 }' m2 j7 |
    + A# O- H3 a( S0 O; |4 e
    你是对的。$ ]7 H; i" N8 |; X& s" [) I
    去掉了随机部分! i' U' j, C) n% C/ H5 O2 P
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)% o1 r: f; i+ S# p1 M$ \7 C- q$ m
    y = (x*27+15).reshape(-1)
    - T$ `8 X* K+ C$ ^% I. @- y$ p9 c  t  h0 O! ^7 c0 f8 g
    循环次数加成10倍,就看到 b 收敛了
    " n! x8 a3 w& r4 |- |w , b
    4 V, G8 e. D5 x; q8 O2 O* h27.002620697021484 14.826167106628418. k% U4 Q% l1 v* ?7 U  ^* {; f

    % X8 w- n7 ]: g5 K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, 2025-7-27 11:00 , Processed in 0.033881 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