爱吱声

标题: 继续请教问题:关于 Pytorch 的 Autograd [打印本页]

---

作者: 雷达    时间: 2023-2-14 13:09
标题: 继续请教问题:关于 Pytorch 的 Autograd


为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random
" N: l1 j2 U  ?" x
x = torch.tensor(np.arange(1,100,1))
1 |- g1 f1 R( r1 d2 fy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

7 V8 ~( W# @. A# nw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

' N. A* g6 ^- j) }' y/ iepochs = 100

/ @0 u. {& d3 a8 T1 q  flosses = []
for i in range(epochs):
% \5 `5 T- `3 ]  z# ]  y_pred = (x*w+b)    # 预测
( h) {7 u* W9 p& w( d  y_pred.reshape(-1)
, @1 V, z! S- ^6 m( R3 U* X/ ~' U
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
0 o* f  q/ v; ?  s  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
( ^. J/ B, E' s/ O* L) v    b  -= b.grad*0.0001    # 回归 b
% l7 a/ O0 ?% L; l, O# c' v  w.grad.zero_()  
  b.grad.zero_()
" D) h9 p! C# _# Q+ M; y
print(w.item(),b.item()) #结果

3 _, z8 M+ w* ^5 Y3 aOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
3 ^8 [+ Q/ f) q  z. p9 U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/ v6 I1 d( x, u高手们帮看看是神马原因？

---

作者: 老福    时间: 2023-2-14 19:23


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 x3 }  u9 ?9 u; v" @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。
6 S/ H% G. ]2 ]% \& [5 e-------
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。

---

作者: 雷达    时间: 2023-2-14 21:52

老福 发表于 2023-2-14 19:23
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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
7 H- A9 ]/ {: v( X. f5 m* n/ 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一下。

---

作者: 老福    时间: 2023-2-14 22:00

- p) {$ K& h! N7 ^! C! R  Z

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
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 ...

5 R, W& ?3 I: ]" }7 h7 j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。

或者把b但的起点改为1试试。

---

作者: 雷达    时间: 2023-2-15 00:25

1 g1 s! O, j# N- J; P- F

老福 发表于 2023-2-14 22:00
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。

或者把b但的起点改为1试试。 ...

5 B5 h/ I7 [6 `0 Y. A
) U- e! V  i" h你是对的。
# I5 _5 K& C1 y* ~去掉了随机部分
+ A  w& x7 b, _* b5 a* I! V#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# ~9 d% t0 O5 |0 S2 oy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
- k. ^) h7 m  a% o8 S1 y4 Hw , b
27.002620697021484 14.826167106628418
1 k: q6 {$ W3 Y( w+ \5 l' G
/ W& F" `, C, `- v6 S# b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。

---

欢迎光临 爱吱声 (http://aswetalk.net/bbs/)

Powered by Discuz! X3.2