设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3453|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   y! w8 ^" y6 l4 [5 \

    : ]9 @5 ~  j- B0 I4 s为预防老年痴呆,时不时学点新东东玩一玩。
    ! R# G7 h4 K( X  TPytorch 下面的代码做最简单的一元线性回归:
    " F3 u0 J( d5 n----------------------------------------------( i3 \5 P7 |1 m" J- R$ N; G$ T
    import torch
    1 H( z, r7 ?) Fimport numpy as np# z8 x: z0 D, ^1 q; Z2 @' f% J, a8 t0 t
    import matplotlib.pyplot as plt  l% g4 S1 i2 I; \6 _7 t7 t' d
    import random: \: W) V/ i$ L  f
    % X! P, W2 S" D* W: H# `
    x = torch.tensor(np.arange(1,100,1))
    ! ~1 ~1 X) @8 y8 Hy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    8 P# t% X) i( d, h8 }4 X" L4 E7 h& z2 ]+ y2 [7 r3 x$ ~
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    , s) r) e$ }1 \+ g& [3 nb = torch.tensor(0.,requires_grad=True)
    ; A5 F' z3 w  ~
    / q8 \9 |% N- j8 \epochs = 100
    # Q/ z3 i8 o; f$ C9 H6 k
    $ c7 J9 S" t# @% K# ?: B# z( K$ \losses = []( s. `9 b+ i' O: y$ Z! O2 \
    for i in range(epochs):
    9 W  t$ I+ U. C: f: L  y_pred = (x*w+b)    # 预测9 u- G- [# U) @3 N6 Y
      y_pred.reshape(-1)
    7 u/ G) V8 i0 e% Q, T& x 2 e) L. T. b: {
      loss = torch.square(y_pred - y).mean()   #计算 loss8 N3 b  h& X& k2 P  t! _
      losses.append(loss)7 {, k% m. T0 t: l/ z
      3 ~, J# z2 I* y7 e$ X
      loss.backward() # autograd
    # r7 t! r: n) Z' @# v, t  with torch.no_grad():" g/ I! {( R' B( J: v# K
        w  -= w.grad*0.0001   # 回归 w
    + m6 P! o* e8 u* G0 z% s2 c    b  -= b.grad*0.0001    # 回归 b , Y' G1 N' `% s# _- x3 K/ Z
      w.grad.zero_()  
    + n( b. S; I: v$ k% @0 Z) ]  b.grad.zero_()6 W. }2 z. ~. B6 \6 m
    ; i. V1 `' Q0 n& h9 v. }
    print(w.item(),b.item()) #结果
    3 F. P3 |* |, W% @8 q) t& T9 R3 E/ h% v' K
    Output: 27.26387596130371  0.49745178222656252 ]: c6 b0 {) w. v. h7 {7 m
    ----------------------------------------------
    3 `. v) @+ C' s1 L5 |3 h. a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。5 C' J6 w, b# o' h5 k$ l3 z/ Z
    高手们帮看看是神马原因?9 ?4 u8 n7 h6 T3 h0 B# A

    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 0 e5 C+ f3 p2 T  O
      d4 `) I4 Z3 w  U: w" x  Z
    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?& @$ T5 W# \" P3 A0 s: B$ m. A
    -------# E/ H2 I: h! |8 Z" F5 R9 b
    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。: @5 Z- m0 v8 p( ]3 U* O% E
    -------" }4 Z+ f0 X* a! T' e4 Q. 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
    * G  n( P& _. D/ |# G4 X$ h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?% Y% {, e) E# q7 s
    -------
    % G( M* z! t6 F1 j7 d不好意思, ...
    " `1 p  r6 p$ r9 D) u
    谢谢,算法应该没问题,就是最简单的线性回归。! g$ U( W* m6 s. u3 ?; x9 m0 f
    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
    / o: Y4 n7 ^( x9 q
    雷达 发表于 2023-2-14 21:52
    : Y7 `0 C8 ]. F+ d2 f谢谢,算法应该没问题,就是最简单的线性回归。8 P) ^, \8 c7 ^! ]- w
    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 ...

    : `  |1 n2 |! V4 E2 _: d9 [0 E8 S0 b4 G1 v4 J0 r0 E% 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。( E5 S# r, g) K; H0 f" q
    ! @; M9 \* U9 r0 o# S
    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
    * Z) [' G5 E4 `5 t- H8 E8 H9 Y
    老福 发表于 2023-2-14 22:00" H% J7 q5 d  t  i
    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" ~  i/ B$ b! b; e4 m- P0 I2 P+ E5 _1 [( D# Q( y
    或者把b但的起点改为1试试。 ...
    + K8 M: A+ }& o- B' s% u
    , P# ]0 f- `- I- W" h5 a& d1 F' p
    你是对的。
    / V) J7 h* U- K) p& N去掉了随机部分( c% j. w7 e% w6 m
    #y = (x*27+15+random.randint(-2,3)).reshape(-1); F: F* M! H" u8 v
    y = (x*27+15).reshape(-1)
    0 \9 s/ m# C  S
    $ @* q) y7 d- b- ?% @循环次数加成10倍,就看到 b 收敛了
    0 J1 d) @4 w! ew , b4 a: e$ v$ x9 p9 a; D. M. r3 v
    27.002620697021484 14.826167106628418
    ' A; N: j! A, p6 Y" a3 b4 }- X- y% C
    2 Q. I8 O  M' {# l4 T" h+ h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, 2026-8-23 19:19 , Processed in 0.064635 second(s), 19 queries , Gzip On.

    Powered by Discuz! X3.2

    © 2001-2013 Comsenz Inc.

    快速回复 返回顶部 返回列表