继续请教问题:关于 Pytorch 的 Autograd

雷达

$ v4 r9 u* k2 ?7 C* R; \4 o) j
8 Z$ f5 ]  s* Y2 U( b4 w为预防老年痴呆，时不时学点新东东玩一玩。
; j0 L% I' Q; _# aPytorch 下面的代码做最简单的一元线性回归：
, V; ?" x  P5 v----------------------------------------------
import torch
import numpy as np
; x0 c9 O0 R2 b, g8 C& eimport 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
( V# y$ O3 k3 h7 O" U
% k5 }$ L- ^  P, yw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
: h  a5 K  s& Z; v& nb = torch.tensor(0.,requires_grad=True)

6 o( R, h, G- T* pepochs = 100

losses = []
for i in range(epochs):
3 ~  \" `9 b. w; N* F& E1 R  y_pred = (x*w+b)    # 预测
% C: f, z) a: A) R& Z; w  y_pred.reshape(-1)

: {  b8 E3 p* a  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
7 M$ l& n: i8 q: O9 w  
, N7 w# m6 }: }/ o5 _  loss.backward() # autograd
$ r. X" u) P" B$ f! v' j1 ~  with torch.no_grad():
' H' D1 V$ G8 j6 `    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
2 S4 D& l7 S9 {7 c- B7 k' U) R6 F  w.grad.zero_()  
  b.grad.zero_()
! \6 E# o2 d+ E$ E9 }* c
; d" K0 R( Q7 @5 y$ \& t1 Sprint(w.item(),b.item()) #结果

, }+ Y9 d& u" g/ N/ \7 `' d4 D7 wOutput： 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？
# Z; ~! Z$ j1 z

老福

4 ?! n+ P( ^) a* @9 ~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。
-------
5 w/ H$ R0 i3 }3 ~" s' r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
) n  f9 c/ P$ R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， ...

- y/ B+ h6 y  D8 C9 |  T% t谢谢，算法应该没问题，就是最简单的线性回归。
, ], H  ]4 _! h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

; D% x9 W$ N# h% c

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。
, W" w$ t) }; E4 Y! X1 R9 ^- a" h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 ...

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。
$ a" }; q9 Q6 H1 J+ \9 ?
或者把b但的起点改为1试试。

雷达

$ q; z- w8 |8 a& G

老福 发表于 2023-2-14 22:00
# G  j8 |& f- L8 z: a+ T% d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。

" M* N; W- P' \! @( o9 g或者把b但的起点改为1试试。 ...

' F& {% k0 G) @* [' ]+ p, |
你是对的。
去掉了随机部分
8 i2 d  o6 a7 {7 F: [  p#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( J" i* }! j1 f0 By = (x*27+15).reshape(-1)

. ]4 p+ e/ q' e循环次数加成10倍，就看到 b 收敛了
, p9 b) m6 e9 ?5 N* Fw , b
$ `1 L0 [) e  S6 X27.002620697021484 14.826167106628418

! z7 o, e+ U' Q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。