设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3434|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 + J4 C  c3 w% u$ g5 H3 [' v
    1 S' X/ _1 O4 d" P1 B% X
    为预防老年痴呆,时不时学点新东东玩一玩。0 f: V2 E' H7 L+ {' r. P
    Pytorch 下面的代码做最简单的一元线性回归:
      |! E  _, {2 ]9 M! {! T----------------------------------------------6 V2 i4 L+ X, a
    import torch3 F/ X4 H* H. c+ ~3 _6 w! \
    import numpy as np
    ) s+ D* ?6 J/ j% `" c1 ?3 himport matplotlib.pyplot as plt
    $ [! t. Q/ \. c5 Yimport random0 Q+ t, v0 p: |6 z4 U" k
    + B: `, i7 h3 i4 w: E* F1 B
    x = torch.tensor(np.arange(1,100,1))
    - j6 z% K3 U( A3 Ey = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15# p0 U! E0 q. \# c
    - y) x) N1 _, O% R
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b; y4 \% D9 h& |1 j+ [8 _! y
    b = torch.tensor(0.,requires_grad=True)
    + D; [/ H9 y) T. U4 F/ I' ~  T! o# H3 r1 K- }# O6 ^
    epochs = 1001 X" I2 _5 ]+ k8 v1 B

    " N( }2 j) F9 W, O* X* R' P# G/ {4 x! Ulosses = []
    1 ?. Y  Q- O' h5 L7 p1 lfor i in range(epochs):7 B7 ?  o/ T! h* p
      y_pred = (x*w+b)    # 预测
    7 ]* V) o! ^, o: d5 X2 g  y_pred.reshape(-1)
    8 l* v9 l) ~* ^( |2 w
    % w8 k& E6 }7 h4 v- e$ q) G  loss = torch.square(y_pred - y).mean()   #计算 loss
    " s% K# b# M- g  losses.append(loss)( H8 S$ \# Q- Q% M7 O# n5 n; {! M
      2 x$ T' X0 C- E3 Q: f
      loss.backward() # autograd
    * N% O9 j$ F# B" s  with torch.no_grad():  t$ X; |# H+ P) g
        w  -= w.grad*0.0001   # 回归 w
    9 w2 Q( d; S- _; w; X0 \    b  -= b.grad*0.0001    # 回归 b
    % i9 ~+ m  k& M7 ]# p  w.grad.zero_()  
    ) H' k. a! K# d  b.grad.zero_()
    2 h6 i- W' z% x6 K7 m2 f1 [
    2 f0 @: Q' k9 {  A' Aprint(w.item(),b.item()) #结果
    6 e' n; V- X3 R% l" F& O1 I
    5 M  X# h9 m8 fOutput: 27.26387596130371  0.49745178222656259 U  k' A8 \, w6 l
    ----------------------------------------------! ^: Y1 z8 h/ t7 d* G
    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。7 n7 J! q- m1 z- y" I* c2 z
    高手们帮看看是神马原因?1 v; y7 `6 T+ X8 @& B6 m* @; @

    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
    6 a5 L, i2 [' B( B# e) C
    & l# y6 z9 v3 U; q9 e) 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?
    & x- S7 t8 m/ {& ^# h-------+ u2 C' \2 D8 e9 y1 h
    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。
    $ m# x, v% i; Z0 J: W! a; k' f-------
    ; j3 ?) g  C" E/ \3 G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
    , p1 [* H3 B  o$ 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?
    & B2 D% g! s4 B4 U8 r  B5 d  a' H' T-------
    * B, ]4 b% S( `$ k8 V, ~8 I/ Q, f不好意思, ...

    9 v# Q8 f/ [5 b谢谢,算法应该没问题,就是最简单的线性回归。
    ; W* a( |( e8 W1 Y7 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
    ; H( h5 O; X( g4 P/ Z' T( i; E
    雷达 发表于 2023-2-14 21:52
    # p' N# ^: G! b! t2 m谢谢,算法应该没问题,就是最简单的线性回归。
    : t1 t8 V, W2 m2 q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 ...

    8 R$ R  Q3 t# L7 D, a% T2 N# _9 T( U7 H+ L
    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; x6 }' V+ ^( Y" R9 K/ u" u, W  t  O, u8 ^3 }
    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
    , L, `; s: ^/ s1 g% I- n# }! d
    老福 发表于 2023-2-14 22:003 u/ Y& `$ m- Z0 `% @( 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。5 K, t6 v3 m) v: S$ K
    8 u' `/ K! B+ D
    或者把b但的起点改为1试试。 ...

    7 ?) P& C+ {8 O7 u& P. Y
    ; ^9 a: {) `6 N4 ~, i你是对的。
    , c( g- X. N+ A. {去掉了随机部分
    4 N/ w* D8 U! y, p#y = (x*27+15+random.randint(-2,3)).reshape(-1)4 U4 }& n$ I% l$ `$ l
    y = (x*27+15).reshape(-1)  p" B/ U+ u1 r. k# K

    9 J* ?+ D) X$ I+ \. m8 {8 `循环次数加成10倍,就看到 b 收敛了
    & r, [+ z! R1 A, v7 Pw , b! w: Y$ c- U2 K9 Q& U6 G
    27.002620697021484 14.826167106628418  ^" w5 |! p( S8 o- Y' a
    2 }! S3 B$ m+ N  d/ R
    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, 2026-8-20 08:46 , Processed in 0.056894 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