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

+ ^3 o( `, }2 u6 ^
! g, x0 i8 i2 s$ k3 U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：
----------------------------------------------
! N9 `& {: x( [; Dimport torch
) Q0 d0 K" F+ v7 E9 Bimport numpy as np
import matplotlib.pyplot as plt
  p, b- C' T+ ~6 ^import random
6 c) e0 x  U0 X( `/ D
, S% i$ b4 G( ?  {x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

! n  ~2 S: C) R: qw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
6 t% X2 B$ `. e- Nb = torch.tensor(0.,requires_grad=True)

( b/ h5 i" Y' ]( ]" Iepochs = 100

1 H1 \5 Z) E9 i* F8 X! I/ Elosses = []
1 W+ B& b3 H, T+ e2 Q+ ^for i in range(epochs):
! M8 U/ v7 D5 y1 j5 j  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

! V( E2 r6 U# ^$ T! d- A( x  loss = torch.square(y_pred - y).mean()   #计算 loss
3 }& X" [, L  N# M# a  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
$ @% e/ A# i9 V* a$ W% J. V9 n  w.grad.zero_()  
  b.grad.zero_()
8 W* v, T& k! |& M% M
print(w.item(),b.item()) #结果

5 z- ?3 z# D$ SOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
! ]1 I1 \5 F5 T; @. {+ }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。
2 p8 Y" ^9 O5 J/ b4 a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？
* \, x% \7 ~' H) Y- M7 _-------
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。
- Q5 V: @' F7 o8 q( ]" S2 {-------
% t- B. \' Z1 e( s$ ]0 t# U0 X4 F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？
+ u9 f& T7 E! b( I5 E4 Z0 |2 O-------
不好意思， ...

& l0 M& Y+ J0 Y: L: J. e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一下。

---

作者: 老福    时间: 2023-2-14 22:00

雷达 发表于 2023-2-14 21:52
; [; ]$ ?* H; t- Y& w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 ...

( o3 p5 I2 M! x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

: ]4 d4 l' P( P2 y* ]7 r

老福 发表于 2023-2-14 22:00
" {: x- B# M7 x. O+ o, d5 T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。
& ~" M% V) A: c; K
8 [9 u* K& R) V$ y8 y3 u或者把b但的起点改为1试试。 ...

: ^% C3 ?! |' K8 H. c4 }
你是对的。
去掉了随机部分
+ K; N/ h% Y; P. |#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
9 k' q4 J. |7 {, g9 U/ u# C8 q$ N
循环次数加成10倍，就看到 b 收敛了
0 ]# V5 o$ n( U2 n0 fw , b
27.002620697021484 14.826167106628418
  s7 ~! p7 i) m2 \  t7 v
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