设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2824|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 6 @* J5 W7 Z! g% C
    ) j# b( x* W" K# O6 U1 |! D6 I9 [
    为预防老年痴呆,时不时学点新东东玩一玩。4 g7 D3 `( t+ N( @2 V. x; I/ S
    Pytorch 下面的代码做最简单的一元线性回归:
    ( [6 i# i- c- N% T& d# ?----------------------------------------------
      n. J- [% L( G" Q: P% I8 \% fimport torch
    ; w& N+ V, b) R7 \- Timport numpy as np% H! t; ^5 B. V+ s+ @# a, g* A
    import matplotlib.pyplot as plt
    - v6 N1 d; v, y( l. e& `import random6 e! W; z6 e2 ?% Q! `0 ^
    - c! P4 R3 ^7 ~- o! Y2 M
    x = torch.tensor(np.arange(1,100,1))
      v$ x7 j( Z! v! [. Qy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    : W' Y- i5 Z# {0 P9 ]* E- e: p; v* N( `
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b5 G0 L3 k- m$ J" q$ U! K3 S" L* W
    b = torch.tensor(0.,requires_grad=True)5 k+ d1 u: I  _( t% h
    : G* O3 R3 I1 c3 Z. V
    epochs = 100
    . V5 Z9 t- l2 _+ H( P
    * [* R4 A/ c2 `losses = []& I, X% B* w- J' N: ?9 {
    for i in range(epochs):
    - l; u+ M7 i0 ^  y_pred = (x*w+b)    # 预测0 _4 y) y% n7 G2 n) p  ~
      y_pred.reshape(-1)% t  R: m! p6 Z, b# V9 B) W
    & `9 ^1 g* l% d' c2 ^; V
      loss = torch.square(y_pred - y).mean()   #计算 loss- q6 s! b- `& o! K
      losses.append(loss)! q/ `- U) W3 u
      
    / ^% z2 K& E1 j6 E2 k4 k; e  loss.backward() # autograd' W4 `9 R% ~1 B6 g
      with torch.no_grad():" o* Z- ^9 s  ~! M
        w  -= w.grad*0.0001   # 回归 w
    # \" v8 T$ ~6 I/ w    b  -= b.grad*0.0001    # 回归 b
    ; F$ m. A- W0 @- l3 o  w.grad.zero_()  
    8 @" c2 ~4 h% Q3 ?  b.grad.zero_(). k- w# K2 R. M2 s
    4 e" r' s% A$ @. m( Q/ h
    print(w.item(),b.item()) #结果
    5 V& t- x+ c* ^5 `. Q' m1 g4 o" {/ h. r9 A4 k0 Q! g+ Q4 |0 K* U
    Output: 27.26387596130371  0.4974517822265625+ {  b! d% [) u
    ----------------------------------------------  ^" c3 E! N' }2 ?* t9 }" H$ {
    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。
    / o8 M/ z6 l8 q8 u8 s9 h5 W6 S/ ~高手们帮看看是神马原因?
    3 v- l% H+ K7 Q% I# Y

    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
      ~* A! M7 u' X+ {" w6 U" Q* ~9 g6 [) x4 j. i2 j/ ?
    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?
    0 J% U! I. G1 O$ _, N+ A1 x  ^-------; {9 h$ Z8 y# i" \
    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。% {9 k7 W8 u2 K* E) o$ r6 t
    -------4 m( @  C! I% d
    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
    , L( B5 N0 Y' u$ v9 p2 X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?
    9 T( {) }  b" J. e-------. E5 Y! w) I7 [6 h. o  g" t
    不好意思, ...

    + X! ~: \3 H: O7 a* y( B. \% z谢谢,算法应该没问题,就是最简单的线性回归。( m5 T% b: E3 C; |) R
    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 8 c1 h" B" V! W7 t( w0 Z1 u
    雷达 发表于 2023-2-14 21:52
    0 b! R& m' v5 M谢谢,算法应该没问题,就是最简单的线性回归。( A0 y0 X  X% b9 a4 ]
    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 ...
    7 D, D6 B$ e* T6 R4 T; t/ T7 z

    ' D1 P! u, M. m5 X  U0 H9 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。
    8 j; Q, K0 O: E3 n' l  g+ u, I  ?7 L9 n; ]9 q1 B0 u
    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 : Q% t+ ^9 B" I
    老福 发表于 2023-2-14 22:00" v0 F0 y) t; p2 x0 P
    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% a9 @7 \& C  {# s# P2 L# ~/ ]
    5 W' V  C/ n' ]7 `+ L& ]8 W或者把b但的起点改为1试试。 ...
      ]1 c9 ?! p' ]* }3 u2 @

    ; F7 G4 [, E$ z6 u# e" ]9 _你是对的。% x0 w; V4 H2 t
    去掉了随机部分
    $ e! n( O2 i/ d9 {; N3 e#y = (x*27+15+random.randint(-2,3)).reshape(-1)
    0 G" K5 e9 X0 S6 [* x- H' e5 jy = (x*27+15).reshape(-1)3 O/ G" t, B6 b8 [! E) M
    + k6 d  n" i- j0 s3 t  P
    循环次数加成10倍,就看到 b 收敛了9 q( R3 i  R" y' Q; F- o
    w , b
    0 g+ {5 D: q& _  f, q27.002620697021484 14.826167106628418. h0 T9 D" B9 ^, d0 @8 j

    9 s8 ^- M3 Z$ ^5 A# 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, 2026-5-1 15:26 , Processed in 0.056634 second(s), 18 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表