首页 文章

用pytorch进行线性回归

提问于
浏览 次
0

我试图在ForestFires数据集上运行线性回归 . 数据集在Kaggle上可用，我的尝试的主旨在这里：https://gist.github.com/Chandrak1907/747b1a6045bb64898d5f9140f4cf9a37

我面临两个问题：

  • 预测输出的形状为32x1，目标数据形状为32 .

输入和目标形状不匹配：输入[32 x 1]，目标[32]¶

使用视图我重塑了预测张量 .

y_pred = y_pred.view（inputs.shape [0]）

为什么预测张量和实际张量的形状不匹配？

  • pytorch中的SGD永远不会收敛 . 我尝试使用手动计算MSE

print（torch.mean（（y_pred - labels）** 2））

该值不匹配

loss = criterion（y_pred，labels）

有人可以突出显示我的代码中的错误在哪里？

谢谢 .

pytorch

1 回答

  • 1

    问题1

    这是关于来自Pytorch docs的MSELoss的参考：https://pytorch.org/docs/stable/nn.html#torch.nn.MSELoss

    Shape:
 - Input: (N,∗) where * means, any number of additional dimensions
 - Target: (N,∗), same shape as the input

    所以，你需要扩展标签的暗淡：（32） - >（32,1），使用： torch.unsqueeze(labels, 1) 或 labels.view(-1,1)

    https://pytorch.org/docs/stable/torch.html#torch.unsqueeze

    torch.unsqueeze（input，dim，out = None）→Tensor返回在指定位置插入尺寸为1的新张量 . 返回的张量与此张量共享相同的基础数据 .

    问题2

    在查看了您的代码后，我意识到您已将 size_average param添加到MSELoss：

    criterion = torch.nn.MSELoss(size_average=False)

    size_average（bool，optional） - 已弃用（请参阅缩小） . 默认情况下，损失是批次中每个损失元素的平均值 . 请注意，对于某些损失，每个样本有多个元素 . 如果字段size_average设置为False，则将每个小批量的损失相加 . 当reduce为False时忽略 . 默认值：True

    这就是2个计算值不匹配的原因 . 这是示例代码：

    import torch
import torch.nn as nn

loss1 = nn.MSELoss()
loss2 = nn.MSELoss(size_average=False)
inputs = torch.randn(32, 1, requires_grad=True)
targets = torch.randn(32, 1)

output1 = loss1(inputs, targets)
output2 = loss2(inputs, targets)
output3 = torch.mean((inputs - targets) ** 2)

print(output1)  # tensor(1.0907)
print(output2)  # tensor(34.9021)
print(output3)  # tensor(1.0907)
    回复于

相关问题