设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 2625|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
    1 I( U4 {3 s6 G! I( N) f) V
    ( e$ T6 B, l2 Z4 x+ B为预防老年痴呆,时不时学点新东东玩一玩。/ i% J+ q) f) t5 `6 H
    Pytorch 下面的代码做最简单的一元线性回归:
    # v% Y. _+ a: O----------------------------------------------
    5 k& a9 c$ S' S5 G5 w: pimport torch
    ) d8 y0 h. u$ G0 S( @9 pimport numpy as np; g. R7 t9 Y# f; U0 `8 h
    import matplotlib.pyplot as plt+ }5 v+ Y6 h% H6 i: j
    import random6 V! Y. T. X0 l$ Z
    $ d  v4 [! B" M9 F
    x = torch.tensor(np.arange(1,100,1))
    ( V1 [: A! c5 Gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    * M" [5 ]* I% W3 w7 `
    % e) ?! b3 Z5 S. j; }4 Q; m0 Jw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    * c7 v* r- B$ N+ g4 v# Tb = torch.tensor(0.,requires_grad=True)" A6 C# N8 P# e/ j) j3 c

    ! `5 @+ W5 N: ?; b+ a" cepochs = 1005 t8 _% Z, I- c# g+ ^4 S" F+ g2 Y+ B
    " _8 \6 V  Q: r' M; k' W
    losses = []
    / j$ L% u/ l, B+ nfor i in range(epochs):
      [# g9 w: R0 d9 F3 S7 [  y_pred = (x*w+b)    # 预测
    # n3 `& `" \' b: R# T% y5 D, ?- _8 [  y_pred.reshape(-1)5 z7 n7 A6 Q# C+ F

    * j* d7 X! i4 \0 w/ p, \% x& E  loss = torch.square(y_pred - y).mean()   #计算 loss
    " ^% g: O( p# G/ O; `  losses.append(loss)
    ( \9 a, f" G* ~- J( j  
    ( g, {: t8 ~7 I3 |( y- q  loss.backward() # autograd7 P- g) ~, ~" I5 z+ P+ L
      with torch.no_grad():* b7 }, N, v) w3 M7 W/ ?# o- t3 b
        w  -= w.grad*0.0001   # 回归 w
    + H, A! N( o4 N: r* v3 p    b  -= b.grad*0.0001    # 回归 b + ]- F4 D5 x' ^+ @. h; e
      w.grad.zero_()  
    5 }% s5 c4 Z& R* P/ S1 H9 {  b.grad.zero_(); a  h' ]# N# o( K: S
    , u) S2 j* }" w8 y% s
    print(w.item(),b.item()) #结果
    / m0 N/ Z) V5 ~9 x; M8 K) w% r) i; X- ]$ S
    Output: 27.26387596130371  0.4974517822265625
    + ^+ ^  l+ I( X& k+ K1 Q1 |/ L  D----------------------------------------------
    % b4 T! a# V' \3 v9 t  T% 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。' Q: L9 F" M+ z: |
    高手们帮看看是神马原因?
    6 E8 _6 I5 f% _' U& _+ V

    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
    ) [% V6 Y: c! e+ R/ c+ V8 j" F5 c# e
    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?
    / j2 @* ^7 _; ?+ |" F  u6 k-------
    - G. B6 C- T8 r, e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。" E3 p2 U: d$ |/ {$ U8 q
    -------# J8 p9 V1 o* k; B- c; }2 h) x
    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
    8 D6 }' ^+ a2 i/ H2 s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?  @% d* x! `9 Q" f
    -------
    % q+ n! O7 K, h不好意思, ...
    : ~, u/ p; ]$ N8 |6 z
    谢谢,算法应该没问题,就是最简单的线性回归。
    0 n4 R- J: ~9 V$ v1 F& 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
    7 l4 p4 K) v5 C* W
    雷达 发表于 2023-2-14 21:52" s! L2 L" Q7 b: E! _' ?! J3 s- k
    谢谢,算法应该没问题,就是最简单的线性回归。
    + f' L* I3 _1 q2 ]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 ...

    # I: v9 b7 Q; G
    / e" f' J# c0 P9 X$ E- x( }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。+ W! d' ~. p) x* u& k9 J

    4 z; V3 B5 h9 ]% H. G6 B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 ; P9 h" j" L8 i
    老福 发表于 2023-2-14 22:00
    ' a$ a- K! g5 ?# X- t! o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。
    4 Q1 s8 K- X, y6 W5 ]& j2 a& K# m; }) b+ I% `( X# [& U
    或者把b但的起点改为1试试。 ...

    + ?5 Y6 k1 {- W. d6 r8 e" w- H
    - ?$ }* ]; K( c# u你是对的。* l% V* x7 v( R
    去掉了随机部分& e3 q4 d, `( N: j1 W/ g) b
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)
    * @+ g6 z: k( gy = (x*27+15).reshape(-1)
    % t/ E! Z% T" j& y1 F, D  k: ^! p3 [% J& _# m5 v9 c
    循环次数加成10倍,就看到 b 收敛了/ W  c7 G: G9 _2 {! U
    w , b
    5 G5 K$ I9 Q% B% K  N+ k- k& i+ ^27.002620697021484 14.826167106628418
    $ ^0 _9 A; G8 g: ?9 a+ m; k+ f. u! E+ S
    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, 2026-3-18 23:51 , Processed in 0.056516 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