设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3419|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 n  o+ w* @# L. \
    , x8 P9 g" \6 h1 }9 j8 x
    为预防老年痴呆,时不时学点新东东玩一玩。
    7 x; D  U& E; ~# h' {Pytorch 下面的代码做最简单的一元线性回归:; @3 t& p. N% `3 m, ?
    ----------------------------------------------
      [% L5 N, k! l( n! uimport torch: x4 ?: ^5 _0 i. P& L) h- \- F
    import numpy as np" z+ u/ Z1 ]8 m. @8 b! G# ~
    import matplotlib.pyplot as plt; s4 {  U% j; `% G/ N
    import random- y, I/ ]2 a0 z+ ]. Y9 V  l1 e) {

    : ?) ]3 q# N& W) t' ax = torch.tensor(np.arange(1,100,1))6 T/ u+ H" j( V( R- Y
    y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15, W7 e. t; g8 x3 q9 Q2 L% C

    - j" I: }6 P  b7 h3 B0 D* gw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    1 J: R2 G  Y8 ]/ D. ?b = torch.tensor(0.,requires_grad=True)
    6 `' ]$ d% L: ?0 h/ @. n2 A$ E
    . x1 _! C5 \4 z+ O+ P! A$ Repochs = 100
    ( J# o0 Y4 b# {: e/ S' u( u
    * X7 L1 \4 n  c2 {! _% C2 nlosses = []
    + z, Q. p7 D+ \% \5 vfor i in range(epochs):
    & t9 X- k( _) P& \& Z7 h6 [% Z  y_pred = (x*w+b)    # 预测* p$ S) i5 X3 P# j; R$ G9 ^0 I
      y_pred.reshape(-1)
    & k' |! i- F3 x) _
    ! {3 J; ^4 ]% T& J$ e3 D  loss = torch.square(y_pred - y).mean()   #计算 loss( j+ Y/ I# s! _" I% S% y
      losses.append(loss)
    ; q  z  \, A. v( d2 S  . O4 z7 ]; j2 S- z
      loss.backward() # autograd0 d3 R" {# y; v* v7 E( F) P
      with torch.no_grad():  |, o) z% p5 ?" N, A' w
        w  -= w.grad*0.0001   # 回归 w
    " v+ X. z* x0 p) T  P5 u    b  -= b.grad*0.0001    # 回归 b
    . q& m' v4 t- p  w.grad.zero_()  8 ^! v  }1 ~/ x5 J2 {, p' O
      b.grad.zero_()' [5 j! A4 q, M+ R  y
    5 D' B5 N" w( e) R- o2 V
    print(w.item(),b.item()) #结果1 n% X  r7 H8 P4 y! b
    1 _1 k8 y# W0 X! M
    Output: 27.26387596130371  0.4974517822265625& R8 W# N8 c8 g5 _- E/ i
    ----------------------------------------------8 ]  w. l2 g3 z# 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。
    6 A) [+ W' x8 i9 }高手们帮看看是神马原因?
    4 ]9 F/ s' }) `* 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 ; [* G- D( u8 x3 n

    8 m" j. A" p& P  [5 j* ^% f) _8 Q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?, @# n7 N' C# E/ {/ i. [" `3 Q
    -------
    7 v$ g) \  R9 [; \  ^  Q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。
    % H" p, B" C* I$ J$ v: s( \' Q-------
    $ `6 q# N- V4 F* J- u# w4 X2 n4 W6 r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. {5 y& b) {: p: ~5 }, F0 \' p
    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?2 w: p  \3 D+ q( W3 g4 C3 b& W+ t
    -------
    ' ~" |1 T. ^8 b不好意思, ...
    , \4 ^2 [% f8 ?
    谢谢,算法应该没问题,就是最简单的线性回归。
    ; s1 b8 n9 n; ]2 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
    : D+ Q, l6 f0 {  e3 \; s
    雷达 发表于 2023-2-14 21:52
    $ @# @5 W! O% p. @谢谢,算法应该没问题,就是最简单的线性回归。
    ! L# v0 c* W  p/ M. x: 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 ...
    % z  z3 q! t3 a) o4 j# y' m6 k" D

    % r, s  j& u6 H$ W& 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 `/ I2 p+ {$ U7 }, ?' x( n* I
    6 @0 P( C9 X: e! J! g$ P: y+ c
    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
    8 I, r7 S: p( W5 W, t$ }" c7 x. ~
    老福 发表于 2023-2-14 22:00( g' c3 }+ n0 R& R( F: g, b6 x! 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。
    % P" O, i! w$ t2 S% w* V+ e6 A
    % Z6 U4 J$ Y3 d2 l1 C或者把b但的起点改为1试试。 ...
    ' t8 ?* Y4 M% m! f5 L) O; ?  E
    & L, d4 W2 N  R* a- k: `( B
    你是对的。
    % S5 g% r, f% g% h, C) T& ]去掉了随机部分0 z! R" a" U5 T9 _% u
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)9 F# E& V6 I0 L1 L
    y = (x*27+15).reshape(-1)
    ! ?0 D$ h" R! g1 T" B1 P3 q% z9 v/ h
    循环次数加成10倍,就看到 b 收敛了
    3 ]( W+ E$ w8 H$ @4 n" I* ]w , b$ ?# A; T$ `, }1 F, ]
    27.002620697021484 14.8261671066284180 r0 z% L  ^4 K2 R
    6 V0 ^3 R; }1 B3 G: Q. l, ?6 C
    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, 2026-8-16 23:36 , Processed in 0.055632 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