设为首页收藏本站

爱吱声

 找回密码
 注册
搜索
查看: 3557|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 4 v5 e6 y4 D* k$ H2 b: @; V) I
    ! s. _$ l( w& i7 y
    为预防老年痴呆,时不时学点新东东玩一玩。# r$ ~* E, |- J- N: _
    Pytorch 下面的代码做最简单的一元线性回归:, j' d* y& g7 F5 C: T
    ----------------------------------------------
    3 g0 k' A, F3 u0 ]import torch( r& a' ?2 Z7 L! z/ d7 ]7 Y
    import numpy as np
    % n5 A& S0 _4 B) A/ uimport matplotlib.pyplot as plt
    , O7 `  e7 c3 j( E, {" [import random. U) e. U( Y% L1 o
    ' {& Y  Y6 J5 ~; ?0 A9 B, h7 b" S
    x = torch.tensor(np.arange(1,100,1))
    7 L% E. E( R! F" i8 R4 Gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
    7 c7 e. t; n: b8 U2 W( B7 ?6 q; A4 P5 R2 C
    w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
    ( s* B0 B8 k4 l3 kb = torch.tensor(0.,requires_grad=True)
    + b* F" N2 P" M+ j- {" S' ^  p4 ?. b% N5 E; q
    epochs = 100
    * B6 `& c" W3 I& }7 ^% e% Q
    ( w& m  w8 I' ]& Ylosses = []/ r6 b* H6 }0 ?5 `& ]  \8 Z
    for i in range(epochs):& o  i) Y0 t8 l" M1 v
      y_pred = (x*w+b)    # 预测
    , Y, i: g1 V; e2 W* d  y_pred.reshape(-1)
    ; L5 W' F5 W( B! L3 Q
    ! ^% S# b3 z* A" ~  loss = torch.square(y_pred - y).mean()   #计算 loss
    ) M  N- Z$ i; `+ z% U9 q6 g% `  losses.append(loss)
    . T3 O- R9 D7 ?1 t5 ]. \  ' L9 {) Y2 M: b3 H" R/ c/ l
      loss.backward() # autograd6 E2 d( S. }  r9 P8 u, I
      with torch.no_grad():# K' Y: ~( e2 U- u3 h
        w  -= w.grad*0.0001   # 回归 w
    6 S% e( o7 Q3 |* Y: ]: b    b  -= b.grad*0.0001    # 回归 b
    # [# t, t2 b4 |  w.grad.zero_()  
    2 M' a1 ~  ?+ m$ n# I  b.grad.zero_()8 W. v+ V# f, O+ ?. R7 G: L4 C2 K/ o% M
    7 D7 q* P3 T& d4 d# P; C6 P' ?. k
    print(w.item(),b.item()) #结果8 b' T( m7 z  X* j4 f
    ) U& H! A) J  O  ?
    Output: 27.26387596130371  0.4974517822265625$ w  d8 j2 p  H% |
    ----------------------------------------------* N+ Z7 p1 U4 s6 P$ n
    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。
    8 M8 w* c7 c% m6 H高手们帮看看是神马原因?" h' {5 r) r* H# [

    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
      [, B- o! y6 v/ u: j. X" V5 M9 g1 C6 d
    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?
    ) W  M" q) V! z% r. r-------; _) n9 G- G" ^8 U- Q- b$ h
    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。( o# m. i, Z. m2 A3 D. f: X/ J
    -------
    * c9 K1 z7 g0 ^1 r4 {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
    1 g# U  }# n1 N. p8 K; _( }1 w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?$ n/ Q  D2 S6 T; C# Y( |
    -------
    0 c2 {1 E; J- Y: F不好意思, ...

      l% f8 U+ s; e( ^# }7 M4 O# C, m谢谢,算法应该没问题,就是最简单的线性回归。+ N; R9 R7 R% c6 W4 b# X2 @0 Z
    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
    1 k" H" n6 k* L7 t4 G* L7 K% a
    雷达 发表于 2023-2-14 21:52; M( |6 b( W/ z% s$ w, U; G
    谢谢,算法应该没问题,就是最简单的线性回归。
    6 t9 [! r7 E" u0 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 ...
    ' \% C5 U5 [0 r. H5 ~. C3 L; \2 ]

    ; c7 ]2 c2 H0 H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。
    # U4 U5 F7 h2 D; \
    $ I, `2 ]8 r, w" m7 Q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
    $ w: f- W: l7 m4 c* l
    老福 发表于 2023-2-14 22:007 O0 s8 b7 Y: ?1 _' C
    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。
    9 E' d) l4 M: o0 C1 `: u5 S, i+ ^7 y" p" q) e4 }
    或者把b但的起点改为1试试。 ...

    $ T4 M7 S/ G; q7 K: G. y% G& C+ y* j/ \5 w
    你是对的。
    4 h  _/ J7 H6 n" W& j* N去掉了随机部分' {2 j" K- B0 c4 d# X' B
    #y = (x*27+15+random.randint(-2,3)).reshape(-1)
    ! N) y, S# e# f% d) @5 C, S/ ly = (x*27+15).reshape(-1)
    - ~5 v2 o- x! d4 t
    & p7 W' e+ J: B$ I# y) \9 w8 _, l循环次数加成10倍,就看到 b 收敛了7 p/ d; H0 P1 Z* X, l& h) U
    w , b! E4 S* w9 I0 O
    27.002620697021484 14.826167106628418
    * B0 _7 z& j3 A, U  R7 Q! b/ D
    % g* m5 r, v# [' Z, i5 x; \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, 2026-9-6 14:22 , Processed in 0.064263 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