继续请教问题:关于 Pytorch 的 Autograd

雷达

; }: E% A$ N2 p+ @
为预防老年痴呆，时不时学点新东东玩一玩。
: }0 J: w4 x" v. i, u% tPytorch 下面的代码做最简单的一元线性回归：
, o' r. X+ P7 S3 x4 M/ G8 j----------------------------------------------
import torch
! r7 W( k3 `8 }' V4 H0 ^" B& D1 Simport numpy as np
import matplotlib.pyplot as plt
, S, e5 x! B% U" G5 ]0 oimport 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
( Z- W6 i" h$ K) ]! U3 j$ K
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
# j3 O8 s6 L, p4 @+ A7 I' jb = torch.tensor(0.,requires_grad=True)
$ ^) h; ~% k( w& e" {  r0 N8 Y
: e' R+ }& E; V( J+ F9 Sepochs = 100
6 l) D: F* G7 N, Z0 M' G  W
losses = []
8 q9 E* I2 N: ufor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

3 R* o4 y4 e  ^# C  t" c  loss = torch.square(y_pred - y).mean()   #计算 loss
2 D, ?' [' @4 g% [- q: O  K  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
2 V2 Y5 t$ L) p- K$ ^  b.grad.zero_()

% b+ o0 `% `4 ?  l" j* d) [9 @& ^print(w.item(),b.item()) #结果

6 ?. [0 T1 ~- 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。
  `0 j5 G5 E9 b0 A2 t* Y高手们帮看看是神马原因？

老福

8 R- f+ j9 w2 g/ ]3 X7 t* 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？
3 R" t4 O/ [8 ]" z-------
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
/ Y! f7 [2 h% z2 y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？
, _" D+ V4 @  U, {9 q+ D-------
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
, \  K, f0 P0 @7 Z& I谢谢，算法应该没问题，就是最简单的线性回归。
. G  T# w9 m, ^+ f. C4 G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。

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
* h* t0 I4 p+ ~( P5 S9 [) i/ 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。

或者把b但的起点改为1试试。 ...

7 A4 ~6 h. A; |4 w
你是对的。
去掉了随机部分
# O! _: _3 d% \: s; @& e' K#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
4 `/ B  b0 z& E
循环次数加成10倍，就看到 b 收敛了
" {5 D9 I5 V5 b8 G. |! [5 N* aw , b
27.002620697021484 14.826167106628418
9 _. t# Z; B( W: ]7 Y$ 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。