设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3380|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 - w0 n: j. [" B; U# _- J
      S+ D# g8 n2 w1 d  ?' E5 q
    为预防老年痴呆,时不时学点新东东玩一玩。2 S/ Q$ F+ F. {* \6 t+ ~  M1 v
    Pytorch 下面的代码做最简单的一元线性回归:
    9 F& x: ?2 h- a6 l% D2 R5 L+ j, ]----------------------------------------------% J& ]3 g" C, T! m) J4 f
    import torch
    - a7 Q  {/ k9 [7 I& f0 Uimport numpy as np
    2 M# {2 L3 s! W) Limport matplotlib.pyplot as plt. z5 b! q/ V2 ~( F( D8 l' M
    import random* r( I6 R1 S5 a& S8 k& [
    5 D) i( D7 `* Z% I
    x = torch.tensor(np.arange(1,100,1))
    ( Y3 }) w: Y& o1 o: A! ~y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    4 c7 I+ A9 x: U' x% J7 q9 n+ b' ^& T
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    / M* Q4 ]* J& ^' m  lb = torch.tensor(0.,requires_grad=True)
    5 w3 d2 z$ _3 c: \8 H; d
    $ E0 P7 I- F6 uepochs = 100- B  ~4 D( b$ f3 O1 C

    & ?7 S% H8 V2 i+ i: W& Jlosses = []
    2 u: U' f2 \& Mfor i in range(epochs):2 f2 u- I% c. Q8 ~' E
      y_pred = (x*w+b)    # 预测
    7 D& F/ ~) I5 @  y_pred.reshape(-1)8 ?% }3 |) J3 Q
    : }) h5 X+ J1 Z3 x  \+ L
      loss = torch.square(y_pred - y).mean()   #计算 loss
    ' O  i  H* p( ]  losses.append(loss)( b( B( ]8 F5 V, F
      
    9 F# |& [; x3 T: p7 M# \0 [- }: \: m  loss.backward() # autograd
    / \6 E4 J; u4 z# \  with torch.no_grad():
    / Z6 @/ ^+ s9 y+ P' g2 `8 t    w  -= w.grad*0.0001   # 回归 w
    8 g( q8 y: ~. `8 S* Q+ d' `7 C    b  -= b.grad*0.0001    # 回归 b
    # {: c3 E6 R0 P$ c( o  w.grad.zero_()  : `+ u. E) ?0 {/ {7 O
      b.grad.zero_()( l; j% B. T/ K% M- \$ Z
    $ I7 i' D$ c5 E. h5 D' {
    print(w.item(),b.item()) #结果
    + _8 w6 @- F4 ]) v0 Y8 c; n2 K' }% c
    Output: 27.26387596130371  0.4974517822265625
    . W! ^- J) ~: a0 X- F- x----------------------------------------------
    9 c" f1 e( \0 d7 k3 O7 f  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。6 r: m& y3 k5 P2 p* A  n# _
    高手们帮看看是神马原因?
    . Z+ L7 V7 A! u6 t

    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 ' k$ T+ r( q  U- V) r6 _0 A; w
    ! p# p. `4 c9 h6 V) T# R2 e
    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?
    ( Q$ W1 v7 I7 K! s/ j7 {# E! `-------
    ! @  \+ w5 A. J8 w4 `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。
    ) ?# q. A0 `4 L: o-------
    % ~! M% ^# j6 [5 T& u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 19:235 x7 a2 y* ^" a9 N2 F
    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?% {, {! e- U9 j
    -------
      K+ O$ g, ]# r! @$ ]& z- z不好意思, ...
    " S! Q- _* \  V0 ~0 e) C) T. Z+ R
    谢谢,算法应该没问题,就是最简单的线性回归。
    & E! C) Q- Q  _6 R' U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 ; Z/ ?! L2 l: l4 h( `8 Y
    雷达 发表于 2023-2-14 21:52( t6 o5 F4 E" W; n
    谢谢,算法应该没问题,就是最简单的线性回归。4 i) i# M( T) V# ?1 F5 C
    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 ...

    - l# c  {& L9 t/ [2 X' z1 |3 T( c: m
    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。
    : |" s9 l9 I+ z1 w
    " q" h& \$ [' ^! P& H; e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 G8 ^) c. U$ |" `
    老福 发表于 2023-2-14 22:005 M' @" ]' j# e4 \; t/ 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。/ H3 G  R2 j. b) n; T# P9 a" |) e9 |

    2 H1 {* S% f7 {+ I3 g或者把b但的起点改为1试试。 ...

    ; i3 \3 p  I5 O" C
    0 P8 }  s* S" l7 f4 j你是对的。9 w1 w7 t5 G8 a& D8 E
    去掉了随机部分
    # @3 E, X- q& j4 u#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    , C3 }& I; `$ X& Ey = (x*27+15).reshape(-1)$ r, Z, l* J  k# f5 D
    5 R" l. n+ }; S
    循环次数加成10倍,就看到 b 收敛了
    # f3 M, A$ |- c5 sw , b
    6 l1 i6 l0 \3 W- g27.002620697021484 14.826167106628418
    8 x# L# {5 G( A2 Q" o" ]0 \, F! q* U& G* W+ W! \
    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, 2026-8-10 10:16 , Processed in 0.058654 second(s), 17 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表