设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2814|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 " I& o/ U  g) C+ b+ o* M; Y5 _: Q& m
      X8 o# c9 W# s; B1 j; Y# K
    为预防老年痴呆,时不时学点新东东玩一玩。
    4 g: H$ N. k+ Y" j% WPytorch 下面的代码做最简单的一元线性回归:
    - [* I" ?1 \9 r7 t6 [, c----------------------------------------------
    $ q' _/ ^' N/ dimport torch4 ~1 c8 M; x6 J+ `4 m- Y! O1 C
    import numpy as np, c% f$ X# w4 x! L' G# Q
    import matplotlib.pyplot as plt1 [) y: R- O. q! w5 S
    import random
    2 N. C0 Y' s) {6 ^2 l8 M$ h  k5 `& f( q% G9 E
    x = torch.tensor(np.arange(1,100,1))
    & r7 I+ l  [+ n$ G3 By = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=159 ^* I' [0 e$ k0 z2 K# A$ E& p
    3 o% Y6 B- n" `) b. e3 i1 X+ n1 D, _3 S
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    & K& G" X1 t6 Yb = torch.tensor(0.,requires_grad=True)* M! K* _& a2 ~1 A) F
    * Y+ U% e$ L; w4 O
    epochs = 100" w4 V3 c. X8 s9 m/ m  @4 t6 b

    ! F, t8 O) U1 i) \losses = []6 m+ V  `* G; J' z+ a
    for i in range(epochs):
    2 a" m7 c6 X9 D: S8 }' M' y) H8 O) E  y_pred = (x*w+b)    # 预测9 l9 `: Z; {( X- n2 u! H8 G
      y_pred.reshape(-1)
    3 a( m7 u! i0 R" {& X0 B
    ! p9 a* p) L) |/ _' |; d  loss = torch.square(y_pred - y).mean()   #计算 loss. G6 M; s, \5 Z" E& D9 p
      losses.append(loss)3 u, J9 z" q0 g- E" H0 I+ x0 K
      + }& {+ v& u* O, u( Z; M
      loss.backward() # autograd
    3 ^4 q1 D' x; h5 {# |: h# g  with torch.no_grad():2 B! r/ j9 `& \" u9 P
        w  -= w.grad*0.0001   # 回归 w: ]# R3 K. w+ }( k7 }5 u5 U
        b  -= b.grad*0.0001    # 回归 b
    , G3 W6 I- i& k' S) o  w.grad.zero_()  : Z7 W2 d/ e8 y1 z
      b.grad.zero_()
    9 Q, D  X! [% _% V5 G9 y
    ' c2 ^: ?$ l# ~0 zprint(w.item(),b.item()) #结果0 x! M1 [2 W1 O8 D% f

      C! n8 b! t6 G% B# x! aOutput: 27.26387596130371  0.4974517822265625" `6 P4 A; C) t1 `# e  N7 Y
    ----------------------------------------------
    . Y' \  L+ E2 @- h# g6 J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。! M% ?3 \; r9 V( w% i, E3 b
    高手们帮看看是神马原因?- }& T" G6 [4 I) |) 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
    $ X. U% G9 t9 `0 d& w# w3 r4 D1 b  h1 i" ~( D3 j; {# @' N
    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?
    % j7 _* G7 R6 d-------$ K: z  e% _/ _, W7 x: o* d
    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。
    5 }3 O4 g" X) S% U: m( ?+ d-------
    ; j' F& p( d- x  D$ i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 19:23
    * b$ k4 i/ E5 x/ s$ 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?% h7 _5 c# [% C1 @, B, j. k4 m
    -------  V. Z8 r- k9 O( k
    不好意思, ...

    6 n6 V. v% ]/ A: ^) H& X  y" K, K谢谢,算法应该没问题,就是最简单的线性回归。2 ^  N6 d5 m6 C* T
    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
    ) w0 \  D0 k4 {+ J6 u7 u$ g, M) e
    雷达 发表于 2023-2-14 21:52' d% Y# A8 e. M
    谢谢,算法应该没问题,就是最简单的线性回归。
    " g  |- t- {4 _5 B$ ]4 K$ i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- {! F  v  v
    " l) x3 ^: s9 Q, i3 L) r! a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" m* X. m, _7 r) b0 Z
    $ _1 M# ^) ?0 W2 A3 D
    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 1 l! ~3 r  v% `$ Z+ B! T' F
    老福 发表于 2023-2-14 22:00
    + q* ^# A+ m# S. H0 I! E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。
    * s$ j* Y, f9 n+ z( {5 @
    5 v2 g; W& w3 E# {或者把b但的起点改为1试试。 ...
    3 ^/ B9 }1 V$ b; O* V1 ]1 W# X# C
    ) Q' [; j# `. G, G8 z9 V4 R  Z
    你是对的。
      W# d+ m: l/ V8 ^% r* ~去掉了随机部分: L. M+ c  |2 B5 d  s2 d
    #y = (x*27+15+random.randint(-2,3)).reshape(-1); _5 X! r9 U" Y4 O2 N5 s/ ^1 U/ _" B
    y = (x*27+15).reshape(-1)5 c" Y# A( w# i- s2 N

    0 }2 H5 T8 {; ?7 z循环次数加成10倍,就看到 b 收敛了
    2 @- S0 _8 b4 W- Lw , b
    : ?$ t# M( v6 B7 n: L; Y27.002620697021484 14.8261671066284189 F+ E2 D! _* H: c  |% E
    1 [  j0 q( X* ^0 X' b: h& A: r! L
    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, 2026-4-29 07:15 , Processed in 0.069124 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