设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3228|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 ! G  @$ e' M. i
    : \# W7 `) P6 w
    为预防老年痴呆,时不时学点新东东玩一玩。. x( ?; j" T) n
    Pytorch 下面的代码做最简单的一元线性回归:
    ; x" [! D( J2 o5 e' M! y7 W& y----------------------------------------------' b: M/ B: e, X, s& T) a. W
    import torch+ X- E2 Q+ F3 I' r
    import numpy as np# m# K& \- E8 t- W1 j/ Z# V  P: S
    import matplotlib.pyplot as plt
    5 ^8 s! t% w% D- y3 Yimport random- @. _0 m+ s& t6 k
    6 C- m  x. n; ?0 ^3 ~. I) K
    x = torch.tensor(np.arange(1,100,1))5 u+ O: a( n2 U! ?3 R0 P
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    ) I+ [- T/ ^% p; R. h- E! I
    , y* C7 m; |9 O! O. `- xw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b. `; v. x6 W  D, Y( q' H+ d  j  o
    b = torch.tensor(0.,requires_grad=True)
    2 v: I! U- {: L0 t: l
    * f: e; k8 x# p, ]+ z2 m- Mepochs = 100
    . `. Q* i1 \( p# k! C, l6 T7 h; t6 T$ m4 p) u
    losses = []5 G& @% w& n1 }) I, E+ P/ `
    for i in range(epochs):
    1 T+ ~; |' ~5 h0 f1 [/ L& i  y_pred = (x*w+b)    # 预测- s8 r  n7 f* ]+ h  u; A0 L
      y_pred.reshape(-1)
    8 \+ P. Q: @1 `& z% q 1 u; b* ?& I' [1 v% m9 K3 K- R
      loss = torch.square(y_pred - y).mean()   #计算 loss
    0 f  Q6 C- t% v" J$ l  losses.append(loss)' S  @! {" ^$ n2 j7 A( |
      
    * d. j9 H" f, i) M  loss.backward() # autograd
    3 b" U$ b/ p. o4 k  with torch.no_grad():3 h0 H1 I/ C$ S2 Q. ]# a! W$ u/ J$ H
        w  -= w.grad*0.0001   # 回归 w
    / U  [+ |7 m$ W. D    b  -= b.grad*0.0001    # 回归 b 7 Z; {) p5 ~- J' s& T  ~* e, l& o
      w.grad.zero_()  3 x  l5 |% P9 r* T, z1 h, o
      b.grad.zero_()! @! r% S( z- L' C

    ) c, R+ S' m- s8 N, W8 {print(w.item(),b.item()) #结果% S/ e3 S7 q$ N0 a2 L9 _
    & J' x0 l- Q* m; |
    Output: 27.26387596130371  0.4974517822265625
    9 `* `3 ?. H8 j8 F6 e/ W4 s7 Q- V' g----------------------------------------------
    : N" Y2 n( a. m3 s- r5 e7 k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。
    & A, v- g0 J: v高手们帮看看是神马原因?: }9 [9 d2 r' y5 C5 v. 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
    4 q" z! ~0 _* ~& C# A7 C! e% p* \2 G8 y5 g+ K+ G8 g$ U# 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?! B( |, q9 ~# j. h# n" u
    -------
    / `6 z8 E! C) P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。
    , s# D4 r% c6 R9 ?$ r- j& G-------9 ?7 X# b' v, [6 l7 @! y0 J
    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
    ; g2 L7 [7 l5 _6 v. C9 b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?8 k  d7 a$ O3 A0 r
    -------( W% E& `9 y* R. \+ E
    不好意思, ...

    1 G- x! p/ S; ^2 ]  |" L* h9 |5 x谢谢,算法应该没问题,就是最简单的线性回归。
    ' g4 o: |# p& `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 4 x/ ~5 P" Q* c
    雷达 发表于 2023-2-14 21:52
    + G$ b; [( A: r% _) f$ N1 Q& ~谢谢,算法应该没问题,就是最简单的线性回归。' \( d* @" D* {" v3 ?" d
    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 ...
    4 y3 f% |# o3 Z: N" F& J7 y0 P  r

    : G; P' D: c2 t& S+ {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。
    $ g" P! T. g5 m( R4 Y, R% B( R5 `) O0 M! 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
    * q( h: @, Y' i% W. ?
    老福 发表于 2023-2-14 22:00
    ! \/ o8 C# D* \6 t/ j* @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。
    ) G: Y! {; i; u- |' i- F5 _  x0 S8 j
    或者把b但的起点改为1试试。 ...

    * m7 d( L' e- e6 |: z& I* V; E; I! c" E$ I
    你是对的。- g  `& y/ @2 V- @6 N
    去掉了随机部分3 f7 M. U7 G6 A3 Z" V$ R' @' c8 ~
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)
    4 d- d2 n7 h- i* x. Q0 W! jy = (x*27+15).reshape(-1)6 M3 }, B7 c4 a/ b8 a0 ]
    4 ]( w2 ]- X9 O! n
    循环次数加成10倍,就看到 b 收敛了
    . v8 l! P! ]' }) b$ n+ D: v3 q3 Aw , b
    2 K! Z& E, S0 ~  A27.002620697021484 14.826167106628418( w2 v3 B& P$ H8 S4 T

    . _+ ]3 A& t& _8 W2 O0 x1 P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, 2026-7-10 19:26 , Processed in 0.056762 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