继续请教问题:关于 Pytorch 的 Autograd

雷达

; ?' u+ ~0 g' U* U
1 m$ T+ x- d# M5 d) I8 T为预防老年痴呆，时不时学点新东东玩一玩。
) B3 t  Y" f7 k  L! ]! Q) Z, oPytorch 下面的代码做最简单的一元线性回归：
# G7 D7 }- s; e/ ]7 n  `----------------------------------------------
import torch
$ t7 w+ [! e+ b$ T* t* Mimport numpy as np
* R) ^  Y2 G; Zimport matplotlib.pyplot as plt
import random

4 s5 a& X8 f4 e% Px = 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
* K( v1 u% p7 j5 y
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
; K4 B% u3 l- G; F# D. [$ e
  w8 W3 M1 U' Cepochs = 100
+ X3 b5 q; s0 _6 `- s; H. W
- G! ?, A  v4 U# r, o( Xlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
( a% N  D! F2 t  y_pred.reshape(-1)

& H3 u5 t6 S! g# i  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
; \" n9 X$ P' Q! r3 H  with torch.no_grad():
! f0 z+ {( }) K; Z! o1 j! k    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
8 h" ?- d3 G* r- |/ v" F  w.grad.zero_()  
( t% c3 O! l! _. Q  b.grad.zero_()
4 @0 G- l% c& s" W0 M
( }5 O# x  Y, G- ~  I- h4 a$ w; eprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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？

老福

5 b+ ?6 e+ e0 }" l* H( c7 `5 i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。
6 @0 V+ D; z' L5 G( X-------
" s7 O# Z! N5 O9 e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？
: V1 D5 R6 z% @) G+ K' u( X8 C-------
不好意思， ...

) ?: z1 H" v2 s8 T4 w% S( l4 n0 m( K4 l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
) P) ]% A" e4 v3 O/ a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 ...

, E$ S% V9 q7 Y. 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。
4 j; j; m  e3 R! ?! A* Q
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
% T4 g% ^" s9 x+ @% G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。
) `! q2 z' J% F  f7 S
或者把b但的起点改为1试试。 ...

  H9 m# K8 R2 F* ~. Q, o7 }
你是对的。
去掉了随机部分
9 `6 f7 R- }8 v#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' S- j4 o) s2 ?6 i3 e& f; wy = (x*27+15).reshape(-1)

% X$ Z% G. v5 @7 M2 M循环次数加成10倍，就看到 b 收敛了
# t( R  x2 i( i; G3 a) d* o* pw , b
27.002620697021484 14.826167106628418

4 X# B8 Z6 Y7 W6 e* A$ i; I2 T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。