質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.92%

python x=listのとき sum(x)==(y+=z for z in x)になりません

解決済

回答 1

投稿

  • 評価
  • クリップ 0
  • VIEW 190

Flan.

score 26

self.aaaaaaaaaaaaaaaaaaはデバック用に置いた変数です
ですがこの値が矛盾してます 理由が全く分かりません

import numpy as np
x=np.random.rand(100)#乱数生成
y=0
for _ in range(100):
    y+=x[_]
print(sum(x))
print(y)
の場合で y==xにならない 下のコードではということになってます

self.aaaaaaaaaaaaaaaaaaはlistでlossの中身を見るためにつけました
問題のコード説明
強化学習をやっていて
self.tortal_lossesはdoneが来るまでのlossの合計
lossを1stepずつ足していき done信号(定期的に来る)がきたら0にする 
lossは二乗しているので必ず+です
self.aaaaaaaaaaaaaaaaaaの合計は明らかに0.0001を超えているのに
表示されます
エピソード数(doneが何回来たか) Episode finished この問題には関係ない値 loss tensor(self.tortal_losses)
はdone信号が来たら表示します
問題の部分

        self.tortal_losses+=loss.detach().to('cpu')

        self.aaaaaaaaaaaaaaaaaa.append(loss.detach())
        if self.tortal_losses<0.0001:
            print(self.aaaaaaaaaaaaaaaaaa)
リセット部分
    def Done(self,step):
        self.beta = self.beta_initial + (1 - self.beta_initial) * step / self.beta_steps
        self.Rs=[0 for _ in range(multireward_steps)]
        self.tortal_losses=0
        self.aaaaaaaaaaaaaaaaaa=[]#-----------------------------
13 Episode finished -1158.8909563610828 loss tensor(0.0026)
[tensor(1.0641e-05, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0'), tensor(1.8771e-05, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0'), tensor(1.8771e-05, device='cuda:0'), tensor(1.0291e-05, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0'), tensor(1.8771e-05, device='cuda:0'), tensor(1.0291e-05, device='cuda:0'), tensor(8.9044e-06, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0'), tensor(1.8771e-05, device='cuda:0'), tensor(1.0291e-05, device='cuda:0'), tensor(8.9044e-06, device='cuda:0'), tensor(8.3876e-06, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0'), tensor(1.8771e-05, device='cuda:0'), tensor(1.0291e-05, device='cuda:0'), tensor(8.9044e-06, device='cuda:0'), tensor(8.3876e-06, device='cuda:0'), tensor(1.9963e-05, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0'), tensor(1.8771e-05, device='cuda:0'), tensor(1.0291e-05, device='cuda:0'), tensor(8.9044e-06, device='cuda:0'), tensor(8.3876e-06, device='cuda:0'), tensor(1.9963e-05, device='cuda:0'), tensor(7.8826e-06, device='cuda:0')]
[tensor(1.0641e-05, device='cuda:0'), tensor(6.0145e-06, device='cuda:0'), tensor(1.8771e-05, device='cuda:0'), tensor(1.0291e-05, device='cuda:0'), tensor(8.9044e-06, device='cuda:0'), tensor(8.3876e-06, device='cuda:0'), tensor(1.9963e-05, device='cuda:0'), tensor(7.8826e-06, device='cuda:0'), tensor(9.0109e-06, device='cuda:0')]
14 Episode finished -1128.1795158087486 loss tensor(0.0038)
[tensor(2.9019e-05, device='cuda:0')]
[tensor(2.9019e-05, device='cuda:0'), tensor(2.4793e-05, device='cuda:0')]
[tensor(2.9019e-05, device='cuda:0'), tensor(2.4793e-05, device='cuda:0'), tensor(1.5492e-05, device='cuda:0')]
[tensor(2.9019e-05, device='cuda:0'), tensor(2.4793e-05, device='cuda:0'), tensor(1.5492e-05, device='cuda:0'), tensor(1.5380e-05, device='cuda:0')]
[tensor(2.9019e-05, device='cuda:0'), tensor(2.4793e-05, device='cuda:0'), tensor(1.5492e-05, device='cuda:0'), tensor(1.5380e-05, device='cuda:0'), tensor(1.0752e-05, device='cuda:0')]
15 Episode finished -1135.8225297289405 loss tensor(0.0252)
16 Episode finished -1153.358029432231 loss tensor(0.0104)
[tensor(1.7044e-05, device='cuda:0')]
[tensor(1.7044e-05, device='cuda:0'), tensor(1.5978e-05, device='cuda:0')]
[tensor(1.7044e-05, device='cuda:0'), tensor(1.5978e-05, device='cuda:0'), tensor(2.3430e-05, device='cuda:0')]
  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

質問への追記・修正、ベストアンサー選択の依頼

  • can110

    2020/07/06 07:41

    すみませんが全体的に質問を理解することができません。
    ・単体で実行でき問題を再現できる最小のコードを提示する
    ・そのコードを実行した現状の結果、その結果の問題点、得たい結果を具体的に示す
    と回答得られやすくなると思います。

    キャンセル

  • quickquip

    2020/07/06 08:46

    self.tortal_losses をprintしていますか?

    キャンセル

回答 1

checkベストアンサー

+2

pythonというよりもpytorchの問題です。

self.aaaaaaaaaaaaaaaaaa.append(loss.detach())

に問題があります。loss.detach()の結果はその後の演算の影響を受けます。

import torch

losses = []

loss = torch.ones(1) * 100.0
losses.append(loss.detach())

loss -= 10.0
losses.append(loss.detach())

print(losses)

# 結果
# [tensor([90.]), tensor([90.])]


loss.clone()を使えば意図した動作になると思います。

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.92%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る