继续请教问题:关于 Pytorch 的 Autograd

雷达

$ E# ?% Y% f1 h9 o
为预防老年痴呆，时不时学点新东东玩一玩。
' P- C- D7 g1 c) U' qPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
5 L5 q) S% ?9 n2 T7 G  Nimport matplotlib.pyplot as plt
8 l4 n5 R! r4 g3 |# C2 t9 P7 Yimport random
/ k. c0 P- ^  `8 g
$ C2 q6 S2 d8 C2 |8 dx = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
4 D. y5 }" E, g7 s5 N
1 m- t7 H! O$ C9 w2 k) `epochs = 100
4 N* ?$ _4 ]9 H' V3 t7 o- j
0 `& C$ b( p' d' J. alosses = []
for i in range(epochs):
/ D2 j) O" f) A  y_pred = (x*w+b)    # 预测
9 y' L; }9 v" O' Q* ^* z6 Y  y_pred.reshape(-1)
8 p6 o  i4 B& {. P8 ]( M' D
1 h9 \: Q7 O3 n! V6 d2 W8 K2 D  loss = torch.square(y_pred - y).mean()   #计算 loss
' V& J2 V/ X4 F7 i* e; y8 n4 N( G  losses.append(loss)
4 K3 L% W: _. p& [6 I& {  
. z# C) P5 P0 I, J* G  loss.backward() # autograd
% I2 V$ R! s0 x/ S# J+ X  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
2 ^  P$ z* `' }; T  Y    b  -= b.grad*0.0001    # 回归 b
" ~9 Z( z- x' \  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
- \4 z4 l2 ~3 k% {----------------------------------------------
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

$ S+ j$ H' r1 @4 C, W
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？
-------
8 v6 H0 {- M8 f, J4 M4 g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 m" z1 m7 y: _-------
: S; j5 S% ]. |4 _+ ?* Z; o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
0 L  x# b( K( W- U1 W* ]1 M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？
0 u) N( y8 t# p-------
; @; j/ ?: R1 S) N: Y! b3 }! `8 |不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
' ^3 _( Q3 o( Y8 c# ^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

- x& J5 d" n7 j8 t) ^% t" j  w1 {

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。
; F0 w/ _& s6 ~: D9 a) G/ q( w4 A/ N$ l0 a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 ...

6 k' V4 h7 q5 ^1 `
+ C2 L' V- w( y, [$ w+ |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。

& u: g2 x$ H0 s, w& N或者把b但的起点改为1试试。

雷达

( }/ [2 l- Q% {9 m; a; f. j2 w

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。
' E" b( g9 ~$ j1 H
或者把b但的起点改为1试试。 ...

+ n; s4 {7 |$ A/ I6 E: _
" X: I8 D$ G: c你是对的。
去掉了随机部分
8 |! g$ g" o7 B+ G2 x1 I; A/ ]5 e#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
2 ~1 V; v2 I2 `% f/ E# r
循环次数加成10倍，就看到 b 收敛了
w , b
/ x" _' @/ Y/ Q+ a8 n27.002620697021484 14.826167106628418
# P( Y( |' H& u6 J8 m5 {" O+ ?* w
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。