继续请教问题:关于 Pytorch 的 Autograd

雷达

, L4 Z5 G# {( [( R
为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
% @* K) p0 i7 E, [: Aimport numpy as np
import 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
7 K: m# U- y6 Y. T: B% X
4 F# E+ f* A4 k' M& `w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
# z: H0 k/ s# l' ^% C! P1 A
7 w8 e+ Z! s0 J% @epochs = 100

! |; A( M: m& |3 [" c$ z4 Xlosses = []
- ]9 i/ t& a) c0 Y6 g2 Q$ hfor i in range(epochs):
: i8 n/ d5 E% h; M( S, z/ \4 l$ X  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
- b2 p1 k5 g; B3 Y8 M7 T, B
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
0 }, u/ E6 Y4 s4 v; m5 _4 v1 g2 u  
! @6 z3 ]3 z0 h( O  loss.backward() # autograd
$ W. `# N% ^% b. D  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
; y5 s3 ^- C0 @' `, \) ~. s  w.grad.zero_()  
  b.grad.zero_()
! E% I, D& s! u) P7 ?
print(w.item(),b.item()) #结果
; E* y4 f. r) K, r$ v3 h& U8 I1 G
( b1 J) h' }; }5 aOutput： 27.26387596130371  0.4974517822265625
! D& P0 U9 [1 U$ F----------------------------------------------
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。
  u  l/ K+ g" `: b7 a9 l. i高手们帮看看是神马原因？

老福

  f. W7 g  X& q
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？
-------
4 m6 o! U! t% O, z0 Z& K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。
4 B0 e# m, R9 K7 [( Z( a-------
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
/ u! F4 t+ f3 D, p$ x, z6 W) u. G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？
-------
7 G2 }! R+ R/ j, ]/ Q9 {8 ~不好意思， ...

+ I) i; a: [1 c: V$ V/ ^/ _谢谢，算法应该没问题，就是最简单的线性回归。
$ X8 L. I  `5 h9 V- `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
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 E7 t- b7 I+ w: a3 [: l
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。
& q! X2 [5 e6 a
4 t+ H5 _$ m# j4 `或者把b但的起点改为1试试。

雷达

* p# {, w+ _. J' |0 B4 y

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。
/ i# F8 r- m4 @7 O1 w9 l; r
或者把b但的起点改为1试试。 ...

+ v! C$ L' s1 J: n. A9 s
) f. y8 \; U8 M2 z) k4 b' u: ~你是对的。
! g# n2 s3 c9 X& N6 y3 }去掉了随机部分
0 \; A* a6 P# L3 ^! y* X3 X#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 F5 i) D: h0 h9 v2 @, [y = (x*27+15).reshape(-1)

$ C# \& K% s- y9 O* i( Y* y9 w循环次数加成10倍，就看到 b 收敛了
- B0 P/ {: e3 g7 w, [) N7 {w , b
27.002620697021484 14.826167106628418

& A, M! X+ b" z4 K' S- U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。