设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2545|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 _$ b4 ?# n9 F' i! Q

    ( V6 V# M# d# M0 b4 D1 @为预防老年痴呆,时不时学点新东东玩一玩。
    ) b7 M7 B0 ~( i. vPytorch 下面的代码做最简单的一元线性回归:
    * T0 ~$ A) S1 ?2 D" [" Y+ j+ F----------------------------------------------( v& W4 }  h% ?) ^5 [' S2 e* q
    import torch
    ) m4 x5 A  l5 ?" m" F  p- v0 zimport numpy as np
    ( X' E, k3 B% I9 I2 R: i/ Iimport matplotlib.pyplot as plt
      G4 r. ?& J0 H7 V0 Pimport random
    : X9 R1 }/ }7 j9 L  V% @" i0 x- Y
    : C0 w: i1 \4 l* {3 xx = torch.tensor(np.arange(1,100,1))! ~7 W$ N& F5 H4 `. y% f
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=152 D6 s0 S1 ?2 e) I5 T
    8 M- ]+ W2 J$ O2 J* Z
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b  ?$ B2 C8 t5 f6 z: F: d
    b = torch.tensor(0.,requires_grad=True)
    - h, k4 D, p) o8 k
    - @8 |& i& ]% c; p" w9 J, O6 hepochs = 100; L. h  {  |+ J7 D* V+ {

    " t  I8 e( d( A6 {4 {: C: p& C1 qlosses = []' G* J1 ^! t7 B& _1 [  f+ G8 q) t& ]
    for i in range(epochs):
    ( p/ m7 i' c. M' T- A% u  z- J# c  y_pred = (x*w+b)    # 预测
    6 H7 K) s2 b2 l0 Z  C! l+ M  y_pred.reshape(-1)4 h& z6 ^8 z6 p/ \/ i: T4 p

    ! F0 T$ T7 |* i9 S: ]' B5 y. f  l  loss = torch.square(y_pred - y).mean()   #计算 loss7 g; ~6 `) U  f  D' `
      losses.append(loss)4 [* k! L+ f6 `( b4 V" C/ ?7 Y- C* k
      ( \0 B1 W% w& J" z; T& _
      loss.backward() # autograd
    3 _/ v* P- K# g  with torch.no_grad():
    3 A1 ?% o) T1 Y7 \    w  -= w.grad*0.0001   # 回归 w4 P* ^+ j3 d! p) i
        b  -= b.grad*0.0001    # 回归 b
    - U0 P' ^$ @& J% G+ w. p: ^  w.grad.zero_()  
    , L) m2 y# y& W) v* F  X- t! L  b.grad.zero_()
    " y1 R2 w, S/ s( a& w/ V" Q) S3 N! I3 O& ]; }
    print(w.item(),b.item()) #结果
    % S7 p0 }' P6 N) d: N5 Q5 |% x! X8 c7 g% b' _
    Output: 27.26387596130371  0.4974517822265625+ z; t7 o6 q. N* o
    ----------------------------------------------/ ]" F1 U. U% E. 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。) p$ [* X! w$ h8 ~" T0 v
    高手们帮看看是神马原因?
    $ E/ H5 h' z! I3 t% C# m- W+ Z

    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
    & H2 ]5 r+ `9 g7 V9 B
    ( x* |0 l( d( Z4 o' p+ 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?% t; ~3 o) E/ R- L& `* S1 L
    -------0 \  _8 ]5 J/ P$ _0 v; S
    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。" x3 T( `, P2 b" m# `. {
    -------1 @) s" V8 G& ?* X2 x, k
    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
    ; A2 O7 R8 [; W# d- o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?- M) x0 t. N+ v
    -------) t+ v) f1 }; i
    不好意思, ...
    ' d( h$ Q6 Y/ ?, ^- q5 ]3 E* O
    谢谢,算法应该没问题,就是最简单的线性回归。
    & v' [& A, l/ x6 r6 `/ |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 % K$ D5 [- v0 F
    雷达 发表于 2023-2-14 21:522 A5 ?  t4 V& H/ d, o- D- o
    谢谢,算法应该没问题,就是最简单的线性回归。& Q0 v+ ^5 W4 d$ Y
    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 ...

    1 M. K* ?0 W' y! ]% @& M
    4 C. ~! _6 B$ V$ U# O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。7 j, ~/ |. b$ j0 o- r3 Q

      c9 `3 o2 R0 P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 4 L4 y/ R. N8 `% F$ p: P
    老福 发表于 2023-2-14 22:00
    0 w$ q+ s9 W4 d# b! u& \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。9 [+ j) X5 d4 a# w) O7 j0 m1 F. N5 Z

    ( a, ^# y! d. I( v+ D( D或者把b但的起点改为1试试。 ...
    8 }& A& X# |& P8 P0 z% E
    4 p$ O, w+ K  B- _
    你是对的。
    , f" v9 U* K0 V& \! k# n去掉了随机部分
    ' [; p3 l  K% Q8 s$ l( k. A7 a#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    0 V# F7 I  {& W- m* u+ c0 yy = (x*27+15).reshape(-1)
    8 ^9 B$ Y0 h1 S5 H9 O+ R8 W
    6 V- ], k* ^. ~2 |2 r# t, h2 T* _循环次数加成10倍,就看到 b 收敛了/ ]) h/ i2 M- R$ T. \6 J" h/ i* k
    w , b
    ( j/ R8 X$ X6 W  E8 q0 g* l- C5 ]27.002620697021484 14.826167106628418
    * t9 a9 ?  b. I. V0 I, W) ]
    ) O& h$ Y2 L+ {" m0 ^0 v" ?4 d' e% 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, 2026-3-5 05:33 , Processed in 0.062517 second(s), 22 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表