继续请教问题:关于 Pytorch 的 Autograd

雷达

, J+ v9 m/ R0 h0 z$ h: Y# `
为预防老年痴呆，时不时学点新东东玩一玩。
- Q& m) `. h+ H+ u+ i1 Z$ S  EPytorch 下面的代码做最简单的一元线性回归：
8 d3 I. Z% o; s3 ^& f8 Z7 e----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
9 Q( J" P2 ^5 Wimport random

% e! s* B2 ]3 ?; cx = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
. w2 m' @0 o2 Y, bb = torch.tensor(0.,requires_grad=True)
* C* |' m7 r/ H. N7 C/ O
epochs = 100

losses = []
1 J. y4 Q; W4 ffor i in range(epochs):
  y_pred = (x*w+b)    # 预测
8 U6 r! F* i6 K9 e7 T' {$ t" G1 y  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
2 A: `: Y; y: ~1 h% ]% b  losses.append(loss)
- g8 ~  z" |0 a5 ~% v+ d# W1 _  
) q! C' j0 }, }9 q6 e% A% k: V" Q  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
$ p2 i: v; I# j    b  -= b.grad*0.0001    # 回归 b
. Q* \0 L" Y2 V8 i0 x9 q/ W  w.grad.zero_()  
6 C, S, `+ s' p' b3 |  b.grad.zero_()
2 R- T$ u0 e8 K% `8 Q3 b
print(w.item(),b.item()) #结果
; I5 b1 }2 }+ L' b. S
Output： 27.26387596130371  0.4974517822265625
) P/ s6 x! @/ t0 m6 f; 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。
' U) Z; \1 x" h+ o  o; k4 ^高手们帮看看是神马原因？
% ^6 i! e9 X$ y6 s+ a

老福

' Q9 _6 B* _$ \- @! ~
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？
" P3 L; ~- R" e& q4 J; I6 E-------
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。
7 l2 h3 B$ N  q6 F* ?" W- I-------
0 e3 M. c; C3 G5 v  Y0 Z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
& \+ R3 E! V) f" }9 m' n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？
-------
! i6 z" u6 X% k, {( Z1 O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

" A0 r- F$ b' _4 n

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 ...

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。
9 P' f6 c, t& |0 w3 U& N
或者把b但的起点改为1试试。

雷达

3 V$ u2 _2 P) c% |2 o) j& K

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。

或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
" K* c' T0 \1 Mw , b
27.002620697021484 14.826167106628418
4 N# O0 o1 Y, B: v6 j0 O
9 I* n6 M  a, E% F: @0 `. L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。