设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2311|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 & V' C/ j/ Z5 n

    ( S+ O* Z' v- y: s为预防老年痴呆,时不时学点新东东玩一玩。
    . R  i: w: |9 HPytorch 下面的代码做最简单的一元线性回归:
    0 M, N  K( e4 N! f6 a# ^6 v0 u----------------------------------------------$ @% o" o6 U9 ^7 V% _3 v
    import torch. Y1 O% r( Y! h1 V; E+ x) F
    import numpy as np
    0 [) L: o  ~2 S3 ]% @% cimport matplotlib.pyplot as plt
    + f9 M6 u4 R$ C4 e1 Dimport random
    6 r+ j; x6 U$ u2 Q3 O+ g% x( o* A; t" W5 ?
    x = torch.tensor(np.arange(1,100,1))
    ( O2 g* C/ \1 O; ky = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15/ f: m0 l  Z" N
    : B& o$ `+ X, _/ g( S( j( K0 c, q
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b7 I1 A$ P/ ~4 l9 y; R; ^( u% D
    b = torch.tensor(0.,requires_grad=True)( ~$ }+ X5 u1 C: K
    * g) v& O; W% Z2 p' a
    epochs = 100% a; U! I+ x; y4 Y9 q6 E" `
    - K0 q3 f) B3 W* Y# m
    losses = []
    1 g- t3 t2 b/ J, O' Lfor i in range(epochs):
    6 c* O9 P  a& P  y_pred = (x*w+b)    # 预测
    ; k+ x8 `2 g" }8 w* `8 q8 H  y_pred.reshape(-1), g* I1 V% V; p6 U4 S, {3 f
    : z6 a* d: d+ p# y
      loss = torch.square(y_pred - y).mean()   #计算 loss
    7 N4 g! `2 j/ p" s9 [- d' H; J  losses.append(loss)  P( I0 |# o' N3 w) L5 K
      ! T6 _( q" T5 L7 [  \2 q5 _% _% x+ T
      loss.backward() # autograd, j8 A4 ^  u8 z7 I% o6 l' F
      with torch.no_grad():. x, b1 K- a* U& B/ J4 D3 {
        w  -= w.grad*0.0001   # 回归 w! g' e0 _- V" n7 g
        b  -= b.grad*0.0001    # 回归 b 3 G0 `( q1 v* Z
      w.grad.zero_()  - b0 C, A9 x$ W7 w- r5 I8 p5 z' A
      b.grad.zero_()+ T/ ]0 c% u7 }- y9 f3 a  I; V
    7 y  t! y' }" b
    print(w.item(),b.item()) #结果) C- T3 A2 y& p, K3 `# |
    7 D& `) n/ |; j) B- f5 j
    Output: 27.26387596130371  0.4974517822265625
    + |% m" l$ @& x  J- C) G* |----------------------------------------------$ u8 r: g4 k& J8 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。
    # N* O! u+ C& P" i& V. T. m" A高手们帮看看是神马原因?: z& |! y5 V3 s1 H* {8 R

    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 ! {( @( H4 W+ U0 I& u- N: l5 ~

    . y0 S$ R& O6 m; |3 Z& |* Q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?0 T, |( A/ g, P1 r
    -------
    ) N& A6 D  V' K7 y2 C$ [/ A/ E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。7 x% ~8 v  ]( ~0 K
    -------& L" G/ R2 x0 `
    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 19:237 ]3 D: U$ O; k# X$ o6 ~8 n+ k3 M
    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?4 y* h! @' R' S5 u
    -------
    # z2 P6 J$ q( x& g; U7 S* c4 V: J不好意思, ...

    $ t  _) p7 @4 `# S- B$ D) K谢谢,算法应该没问题,就是最简单的线性回归。
    7 k4 D3 M4 y( J/ `0 V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
    9 j/ K, F, o+ c5 V
    雷达 发表于 2023-2-14 21:529 t. l2 ]% |# D% Z; d8 B
    谢谢,算法应该没问题,就是最简单的线性回归。
    4 g/ f& D+ P3 Y& W+ q+ o4 z* O' \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 ...
    ) ~0 t& f! B7 d' C4 D8 u" g
    " k! H7 r& u" W( n
    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。8 h  D. B% b: W# t
    6 _: t9 J& ?2 W4 ^
    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 6 Q# t" m/ L# C# U1 U3 P. Y
    老福 发表于 2023-2-14 22:00- f& ]0 R  Z' Y* a) `& S
    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。* n" O  P; c8 `0 w0 J: w* S( v
    . R2 S  X- i( i1 ]: p
    或者把b但的起点改为1试试。 ...

    " @' B6 L8 H2 z5 J3 s* w3 f1 r( @! S0 H, \+ y" k4 }
    你是对的。$ [: L3 ~/ W3 e( |! o7 s2 x: ~
    去掉了随机部分
    % u; C, `; }: m) B4 {# J, v#y = (x*27+15+random.randint(-2,3)).reshape(-1): |( I- n4 b' ^
    y = (x*27+15).reshape(-1)* |* j+ L% s, q8 D3 y; m5 o( W

    9 z; O! z( [6 u; @循环次数加成10倍,就看到 b 收敛了; l) D' q! A! t+ u/ w
    w , b0 ?/ ^0 }# E# S0 J3 J2 V$ g2 b; g, K* _
    27.002620697021484 14.826167106628418
    2 W* U) @1 l) d9 T9 W) G2 w: p7 Y# F; {5 [0 |5 x$ n
    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, 2026-1-11 17:27 , Processed in 0.027134 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