继续请教问题:关于 Pytorch 的 Autograd

雷达

: h+ K; y6 m2 J9 p3 }为预防老年痴呆，时不时学点新东东玩一玩。
# ?) N0 g: A" @- X& `/ {. PPytorch 下面的代码做最简单的一元线性回归：
! L6 e! h: Y+ z$ R+ w% A----------------------------------------------
import torch
: Z" v7 ]. J; Aimport numpy as np
import matplotlib.pyplot as plt
import random

+ E, ?; T/ @$ K* ix = torch.tensor(np.arange(1,100,1))
& Q9 h3 R7 f6 i( [; n; ky = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

: y; ~" ?8 g* r$ r! U- Y6 s4 Zw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
* _: U4 ]5 k. _% k
" o. j0 |4 z, x6 B: s) Uepochs = 100
& s9 d2 [# k  g. k
losses = []
$ Z; b* K8 z# p) xfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
, m* I- w3 v) u8 |3 q. z  y_pred.reshape(-1)

* k1 B0 T" G* u9 V6 A  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
( L/ X, c) g0 `& f  loss.backward() # autograd
; O2 Y. ~+ G0 ]4 u. J& F  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
# R9 |5 o! o/ S0 K
2 f! y: i& @8 r3 J( I& y0 tOutput： 27.26387596130371  0.4974517822265625
  B! J* |0 m. p' I6 s: n----------------------------------------------
! A* o) Y: }6 g) R& H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。
7 {+ o6 y7 R- z+ y4 Z# b高手们帮看看是神马原因？

老福

( |  m; Q7 W$ ~- J
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？
-------
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。
+ L" X, T/ Y% C5 t. S% Q-------
# @$ W5 T# \, t3 i' M8 d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。

雷达

老福 发表于 2023-2-14 19:23
  \& I: N4 F- i4 h3 @7 i' 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？
-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
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。

老福

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
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 ...

5 }' R' m% B. }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。
( o: i8 m* Y7 d7 t4 K8 X5 C) e
或者把b但的起点改为1试试。

雷达

8 T% V  I2 }/ _. o* U6 T6 p

老福 发表于 2023-2-14 22:00
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。
" a7 P4 C7 a& F. ~. [, n- V' y
或者把b但的起点改为1试试。 ...

# M; C8 o7 b# f# q: {
你是对的。
去掉了随机部分
2 I0 \) |! Y9 _! B& B7 g# R#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" p. e* |) C3 S( Y1 by = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

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。