继续请教问题:关于 Pytorch 的 Autograd

雷达

$ `7 w/ E6 V/ F+ v* _8 A$ F
为预防老年痴呆，时不时学点新东东玩一玩。
% T$ e2 G1 s/ m. f2 ?Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
7 E6 y! U3 ~  Y  I2 {import random
! V2 @+ `# N0 X
$ T" z) T4 N  I6 n. i3 M7 }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
, q2 D* O+ ^4 L7 E$ S
' V9 O2 u) V5 L2 w2 Gw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
  |( C2 d0 q4 f( s0 Z
* x! g, [6 x8 Y, Qepochs = 100
$ s8 }8 m, H: X* P
losses = []
for i in range(epochs):
* s  x, l$ e. j( l; X* ]. _# _  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
9 W  g/ i# y1 G4 W* P- y  losses.append(loss)
# G, H- n4 p& E  
$ A# y: [" x; d, j6 I  loss.backward() # autograd
8 T2 p3 F  z2 \/ `! N/ A  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
0 i0 r8 R' b% K  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
: Z0 C* D6 F. T' |0 Y4 V
Output： 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。
- E7 K$ E$ ]  Y$ ^) y6 T高手们帮看看是神马原因？

老福

* h/ O$ m! P' _6 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？
+ y% p  y* E* Y2 g6 ]( w( {6 T' P-------
+ H$ l+ @  M( w% j0 V% q; m9 V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
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# ]2 k7 c9 f" b( l+ H不好意思， ...

3 }3 C! ^2 q5 ~3 I$ {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
) Z7 Q, W4 t; t, ^谢谢，算法应该没问题，就是最简单的线性回归。
1 c1 m5 \% R+ l; n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 r/ I" ]% p; o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
4 l! C. M) T% {# P! M; ~4 `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。
  }( r' b  t' S  D$ m) k
4 W. I/ j, ]. a) U/ z8 o或者把b但的起点改为1试试。 ...

你是对的。
1 G1 x, D3 {( y" m" Q; K% C去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
( w- w" }+ j0 R. }" `# }+ r6 v  r
" d; a4 v# {7 O' G循环次数加成10倍，就看到 b 收敛了
( p2 N% |/ {# L& Tw , b
27.002620697021484 14.826167106628418

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。