继续请教问题:关于 Pytorch 的 Autograd

雷达

) `( b- B* s, [$ p  z
' a4 p  m+ G' }为预防老年痴呆，时不时学点新东东玩一玩。
! n# Z! T0 w% b/ uPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
' m6 @5 V+ |4 H4 y- Yimport numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
) J1 C1 u# E9 Z6 D6 [
" U  z1 ^, s" M. O  sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 E. R! c/ v3 Z+ W, Y7 Rb = torch.tensor(0.,requires_grad=True)
4 ~. U9 T9 r% q/ R
9 G5 s( U9 i; }epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
1 O1 U/ a6 A7 K  |* H- ^2 n  y_pred.reshape(-1)

6 z: q* |( _8 t; |  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
' x; Y6 G+ T: X2 X4 P3 H  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
; E( a' F" k4 Z! S+ M4 ?! I  b.grad.zero_()
  j) i+ Z  [5 C, F2 @2 F, V6 I
  z) H; s/ K% kprint(w.item(),b.item()) #结果
0 j# D/ m+ U! z8 U- K0 F5 }8 }
7 @; u3 l# r% U3 L  qOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
4 Q* ^3 h2 Y/ z: F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。
高手们帮看看是神马原因？
5 c: m4 |. R8 C8 E8 ^4 [

老福

/ P3 ]+ }' a3 T& m/ I8 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？
( A9 a& f1 p% S- w8 C3 j4 c- P2 [-------
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。
-------
% \  q' \% b5 Q6 m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
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" H% E2 O0 s-------
: K; C, R6 B( T不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
/ C% C$ q2 i: M7 M/ q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

6 Z. U. {( \2 J

雷达 发表于 2023-2-14 21:52
6 u1 [9 W, S3 k7 e9 v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 ...

) a" Y, y: P6 L
# u" ?+ f) }7 i1 L( x4 x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。
8 |; l! M7 M- A! y0 d1 E% |
( t: e9 w( P) @2 k4 y4 `6 n2 D或者把b但的起点改为1试试。

雷达

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。
3 d5 K% {& G( J. w$ n$ u, e
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, d1 T* G' w6 d' T9 X) Z) Ty = (x*27+15).reshape(-1)
) P4 ?6 O  h0 _  Q/ D3 }: l! |+ W
3 I0 g) N6 T$ x循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

2 h) f4 z: d7 I) B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。