设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3331|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
    0 Q) X; r* Y0 N7 k9 j' S2 ^$ a: |0 N
    为预防老年痴呆,时不时学点新东东玩一玩。' C% L( j$ d6 c
    Pytorch 下面的代码做最简单的一元线性回归:& E# d" c$ {9 `% Y
    ----------------------------------------------
    - E# Q/ O+ T' k' \# b$ Rimport torch
    2 g9 \: R$ L/ zimport numpy as np
      v$ X' j( i/ c: p: W! z5 v9 R* Zimport matplotlib.pyplot as plt
    ' X. B+ d  ?" [  B* Bimport random( n8 G3 e3 A3 v' s' I
    0 q6 @8 B2 c+ x' [3 h0 k0 H  @
    x = torch.tensor(np.arange(1,100,1))
    6 z2 ]  l% j  hy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    % ^* O. A" H' I0 c8 g- v
    2 e  ?+ \3 a9 c3 _5 r" jw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b+ L/ h1 |: `3 N
    b = torch.tensor(0.,requires_grad=True)
    3 P! w" p$ G! ^( i8 h4 l& d% ]! B" B8 K$ ^
    epochs = 100
    3 {  S3 E! D. b, {9 X) f( A
    3 n" v0 T! |% v8 Z+ A! ulosses = []; z( W3 W1 h# [1 r; ]. b' Q8 `: @$ f9 V
    for i in range(epochs):
    $ Z8 `/ r, U4 {: a' ^  I  \9 N4 f+ l  y_pred = (x*w+b)    # 预测5 R4 l1 z4 F$ L5 l# S- F! c
      y_pred.reshape(-1)
    & O3 s8 Y% Y8 B8 t/ K& m2 M9 [
    . D+ z- Q' u; e0 e  loss = torch.square(y_pred - y).mean()   #计算 loss
    ) p6 ~9 x, S3 l% J( |  losses.append(loss)1 F& q# o' w. t! K. m
      
    - D' x0 P0 [- w- ^1 H3 {; q6 @0 a  loss.backward() # autograd/ H; B  Y" c7 N: u# ^7 ?; m0 O
      with torch.no_grad():
    % K6 J' ~/ i( }% Q' I    w  -= w.grad*0.0001   # 回归 w$ u( l/ B  C$ H; x& u* s, U
        b  -= b.grad*0.0001    # 回归 b
    + g2 U4 f* D% B9 ]2 h  w.grad.zero_()  
    + ]  ?" P! d, E9 q$ U  b.grad.zero_()
    1 g: |7 l5 Z/ i8 @- d9 u  K( Q& E( k8 e# Z3 t  |) W
    print(w.item(),b.item()) #结果) O, Z; {, b2 j2 A
      c3 C% Z; }  h
    Output: 27.26387596130371  0.4974517822265625* C9 o" k. I. R4 v+ y0 d
    ----------------------------------------------
      i# ^/ R1 _" F- w) d& }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。" u: {+ o, |( f7 U
    高手们帮看看是神马原因?0 B% Q5 E8 S0 B1 i: h" r

    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 @. f. P5 i0 _; }" w
    - Q$ L* W; w6 d$ 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 Q7 U* W$ N* s+ ]- B2 F" V-------
    ' Q# f8 y% C% m" `! Q& m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。
    , H8 y  b" ~+ I' t& e0 `-------
    ) ^3 i, ~) h3 I5 r! h% O6 `$ s" q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$ @0 H3 _# M/ _; r0 z8 Y5 B' c
    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?
    ) T7 F3 b: P& U# v-------$ F! h5 A/ Y! F+ K6 u1 }
    不好意思, ...
    / p1 ]) M% V* u2 R' {
    谢谢,算法应该没问题,就是最简单的线性回归。
    $ k% T. {9 r, a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
    2 _# h, C4 d7 T* Z1 F
    雷达 发表于 2023-2-14 21:52
    & N1 p% T) e, e* w) |/ V谢谢,算法应该没问题,就是最简单的线性回归。
    ( X: H5 q3 F) m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 ...
    % |  D7 v: d- q; a$ r: t* S( A

    ; j. `, [( j7 L  F9 I  d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 w  e2 D; w' `

    / F/ o& s% d" Y& n* @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 : N2 i* y) Z- U) m- e- }
    老福 发表于 2023-2-14 22:009 O  A: i0 c, d' T
    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。
    0 k" m. M) h! l) K+ R
    7 c; @; i  @# Z. U& b或者把b但的起点改为1试试。 ...

    2 }6 z) f! E1 e* y6 ]8 P. |* k# k9 W6 L6 ^! @
    你是对的。
    * A$ K, d* P5 B1 P去掉了随机部分' w. L3 I  N# s. e5 ]" v6 U4 K
    #y = (x*27+15+random.randint(-2,3)).reshape(-1). E6 \& B0 v8 y
    y = (x*27+15).reshape(-1)$ ]' T' C, y( f, v  ?% e

    # Y( p5 H( }2 U/ J7 O  A& w2 I循环次数加成10倍,就看到 b 收敛了' Y, U; j. v0 ?! r# ~. V' h7 w. k
    w , b3 Z% a0 g' D  L; X) P
    27.002620697021484 14.8261671066284184 Q- ^2 x0 p; @5 s; f3 o
    3 h! m6 n% q4 i( i
    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, 2026-7-28 19:56 , Processed in 0.059826 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