设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 1833|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 4 y6 G& d1 V( U
    1 E3 b) Y, Q6 Y# b
    为预防老年痴呆,时不时学点新东东玩一玩。0 Z) t* f5 `* W4 k4 o6 v4 h; _
    Pytorch 下面的代码做最简单的一元线性回归:4 {: s  f# O; I9 a
    ----------------------------------------------
    ' W' ]& v. M8 Q1 X% @import torch
    ) H6 p; b1 Z7 r% jimport numpy as np
    , C; D, F3 s3 R) ~0 C& Kimport matplotlib.pyplot as plt
    3 I5 }% h7 e" z/ y$ }" Pimport random
    $ V: y$ B! @. _; y; R' a& q6 h) q2 U2 G: H% O! c( B
    x = torch.tensor(np.arange(1,100,1))
    / X7 r! f) \. |/ L+ ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    8 y% _# W5 R9 G2 [/ q
    , y% W7 k# y: N6 T, ^7 Q- B' S" lw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    & |; `6 A) {4 k) k, {# Kb = torch.tensor(0.,requires_grad=True)
    % s  l; C; i* B, _: I3 _: |  i0 c/ {" S8 Y6 X
    epochs = 100
    & V' |7 [! H& ?  _) a9 ~: w+ Y( k3 ^8 n' a6 j- y7 D9 h( I
    losses = []$ N3 R0 Z0 l! I7 S: t" r
    for i in range(epochs):
    4 v8 L* i7 F+ U  y_pred = (x*w+b)    # 预测
    - J% y& N$ E! @" o  y_pred.reshape(-1)
    7 c0 b- N1 s, S6 q0 `, L : I' D% k8 c1 b+ e% R5 B& H( M
      loss = torch.square(y_pred - y).mean()   #计算 loss( o7 Y/ k0 u% Z4 B& w+ [
      losses.append(loss)
    5 K2 E/ T: s# ]) I  
    8 j! V+ b2 c8 j. [  loss.backward() # autograd
    6 v- z+ W7 P* V& U  with torch.no_grad():
    % `4 K" s! z) A    w  -= w.grad*0.0001   # 回归 w
    ) g% v6 [" b+ }8 E8 C3 k0 l% r& [0 q    b  -= b.grad*0.0001    # 回归 b 2 B6 R: T% K6 F- V
      w.grad.zero_()  " g& q' Z: Q8 F" V& M/ {" y/ l
      b.grad.zero_()
    1 l) x8 A' ~& M/ N. M7 I9 ]2 n; v
    5 q( u$ y0 p  \- ~) Oprint(w.item(),b.item()) #结果
    ! q" }! x# ~+ d) m. G8 J
    ! z4 q3 b( Q; lOutput: 27.26387596130371  0.4974517822265625
    8 c4 Z0 [8 A9 K, x1 w----------------------------------------------
    . {; {7 e% u2 K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。# g1 R7 M/ G. t8 E8 ~- y! K
    高手们帮看看是神马原因?! S* U7 ^+ t, H$ X

    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
    4 e( `" W" e. s% z, r: Y+ A9 T5 C- t! Q/ s: U) `
    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?# j; K3 S3 M* a/ z
    -------# l2 j3 N  f3 O" Z3 D: _: q
    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 L' @; S2 H- Q" f-------
    % ]7 @0 A5 R0 _/ J2 Y/ a$ N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 19:236 x. s$ J: \8 W6 R' d% ]% w
    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* J" V; ]. t- u% {. K, S-------' p+ e" d& L# }% A
    不好意思, ...

    : w, p' v  ^6 I+ M4 W& }谢谢,算法应该没问题,就是最简单的线性回归。
    7 N8 S! r8 N1 i5 @- s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 ! l; ]6 x& L; x( Z/ \2 ~8 I
    雷达 发表于 2023-2-14 21:52
    . _' p/ e, t3 m5 g: g谢谢,算法应该没问题,就是最简单的线性回归。5 x( k1 D& g, P8 \: F- W5 |
    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 ...

    * ?/ q" e' b) ~1 o; Z; P+ Z1 y) l7 t0 L& t8 V* Y
    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。
      O* d: S+ _5 y7 k- J2 A- E( l( T, R
    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 - v* Q; \/ z! e8 v
    老福 发表于 2023-2-14 22:00# U- y6 Y$ o+ f9 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。+ J5 L$ ]) V) {$ X

    0 V$ |  {: T$ _/ a7 I或者把b但的起点改为1试试。 ...

    / ^+ D! Y6 [8 I* X" P
    # m: O; U7 \1 J2 k5 y+ H9 B. Z& F3 s你是对的。8 j0 f$ |( ^# k
    去掉了随机部分+ ^2 W9 N* w  {
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)0 I; V' i% J1 l1 j( j
    y = (x*27+15).reshape(-1); d4 i* |7 v$ c6 O5 A
    & G4 h; `8 Q6 {* V- H
    循环次数加成10倍,就看到 b 收敛了7 w- v& q! r. c0 W; R. x; I- Q3 V
    w , b
    " c+ I4 W" N4 |+ n- f27.002620697021484 14.826167106628418
    5 Q4 ~5 N! z2 ]8 y6 G2 L; o" F
    - M# L2 p% l- b! l! Q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, 2025-7-28 14:49 , Processed in 0.036514 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