继续请教问题:关于 Pytorch 的 Autograd

雷达

6 }3 E/ p) `0 V; c
9 _- T* u% H: o6 D为预防老年痴呆，时不时学点新东东玩一玩。
3 z: I2 m6 v; K: C7 ^Pytorch 下面的代码做最简单的一元线性回归：
) e* k" ~- @& I5 O7 G& B----------------------------------------------
! V9 d# \' ]! v; w3 }! _import torch
3 o) h! I! G* y' G) V: E$ limport numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
% o4 R* W4 a" ly = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
  t0 J: a! B/ F* I! G1 C
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
/ H( q# a1 {7 U, |! g5 Rb = torch.tensor(0.,requires_grad=True)
8 O7 C* n2 _5 \0 _7 t7 n
epochs = 100

) N9 H% u- n; l- v. _- M) blosses = []
for i in range(epochs):
) j. v5 @1 h( Q* Y  x4 Z4 q+ M* M* s  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

2 l% I1 B. M! ?( e+ r; U2 O  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
& T' G; _+ o0 |, d! ^+ ^3 ?& @. `  
! C  O$ {  I+ w6 j, y- j/ W2 r  loss.backward() # autograd
) ]( m# F  L) S/ Z" r$ ?& L  with torch.no_grad():
  U1 H6 X0 Y2 [7 J7 q# g    w  -= w.grad*0.0001   # 回归 w
% _# d9 j0 Y* G. R) ]  `  C, A; K    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
+ H4 H0 a6 E6 c# {* I1 Q3 _6 B  H7 \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？
% s$ n4 H3 a* x( b& d5 }6 h) L

老福

5 M7 ~; z, d& y% G) a) K3 Q8 s
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？
% s' I& V' j7 L/ C& u- u-------
- \/ Q! o- h- X3 J# r5 y. \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。
# v3 `- P2 O5 q& E/ s-------
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？
" w' W& v' d5 x  H0 k4 K-------
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
! |% u! a1 s3 M# T. p' L  [& }4 @谢谢，算法应该没问题，就是最简单的线性回归。
7 m0 C, U+ @8 L: D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 ...

" m3 y- X+ j& U! |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。

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
. C8 i) f+ W) v' E3 Z6 n$ a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。

! K+ u; {  r: E" t! C或者把b但的起点改为1试试。 ...

* K* J. n: u5 a* i! \# u' J7 `你是对的。
去掉了随机部分
; O( g( o  ]9 W, d#y = (x*27+15+random.randint(-2,3)).reshape(-1)
. {5 J% F. U. T6 d. E/ Qy = (x*27+15).reshape(-1)

  N% X/ `! X$ `, {循环次数加成10倍，就看到 b 收敛了
w , b
; B1 F7 e9 o9 x, C' m6 L( u27.002620697021484 14.826167106628418
' Y0 @( q* m/ h+ a8 j6 [
- |( n& z$ F" n# t0 g( M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。