继续请教问题:关于 Pytorch 的 Autograd

雷达

8 ?. z3 w7 c+ f' D7 z, ?
) q& E# E8 N( c, f: G4 l" i为预防老年痴呆，时不时学点新东东玩一玩。
2 l3 [+ H& g% w- [0 n$ o. M9 ^Pytorch 下面的代码做最简单的一元线性回归：
9 \+ T4 P) h+ J' W----------------------------------------------
2 J# Q8 B$ p/ Q6 J1 D" b! M1 p4 simport torch
/ _6 C- X' v* `/ g& N0 Dimport numpy as np
import matplotlib.pyplot as plt
import random
( o. s( [( p# t7 B! y& t
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
2 J2 {( u- g& N. }$ @8 t- i
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
! ^$ }0 J0 f$ efor i in range(epochs):
/ z: i. f5 f; {% S3 G8 w" v  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
! n9 o; E8 P9 d8 q  
" ?$ y. M5 U$ @$ E7 |7 X  loss.backward() # autograd
7 p# n# I( }" p6 R  with torch.no_grad():
- W& m! ~: C" ^# g/ o& _    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
% n. r9 }1 x' C, G  w.grad.zero_()  
  b.grad.zero_()

5 r5 |/ Y: {6 P( ?8 l0 ]: a, qprint(w.item(),b.item()) #结果
" d% s/ j! x8 A$ I# H2 D
Output： 27.26387596130371  0.4974517822265625
8 Z% R8 d/ g, e----------------------------------------------
) W- f4 X& V4 b1 Z6 q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？
6 B9 g. y2 ~+ W, A

老福

- z% x6 K$ U7 c4 J3 T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。
-------
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
5 V  i) I7 W* r3 }, O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# m) H4 L7 F. S' I-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
) K7 |. g- c; `& B" d% W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

: e1 R- u7 r; B8 f& r: I) X; Q2 Y

雷达 发表于 2023-2-14 21:52
3 P& ?0 c1 u+ u1 o, m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 ...

3 k* N$ E8 X9 q. h
2 u5 J4 g% c6 u- b( B( H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。
. i/ y+ h/ U# |2 W0 \- K. ?, I
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。
/ `2 ?" o( z4 [6 o* t' i' P
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
) f; O3 b7 _4 J#y = (x*27+15+random.randint(-2,3)).reshape(-1)
# y9 P$ P: v  C7 s* @y = (x*27+15).reshape(-1)
8 p2 h* t1 k" q% e$ K
循环次数加成10倍，就看到 b 收敛了
9 H' \/ o5 G" T5 T! W8 K( k) Jw , b
- F' }3 j- M; i# l$ A) t7 v) c27.002620697021484 14.826167106628418
' K0 Y9 g/ R. f/ A9 C" D3 c& d" o
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。