继续请教问题:关于 Pytorch 的 Autograd

雷达

3 \5 k+ h: b) u/ W; }
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：
: Y9 |, Y6 v( k% z/ a) W* \  O  x) K----------------------------------------------
import torch
; `; @" W: |9 B2 r$ j- p9 o7 V6 z* Simport numpy as np
import matplotlib.pyplot as plt
7 e- F. q% z6 u( G/ f7 pimport random
$ q9 d) N' m/ w5 B
3 x* R' E+ I% x1 Y, ~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
0 O  g! p/ J' t5 O
- T0 P5 z1 b- J. Pw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( @( Q$ w5 t& a  E( X$ t/ G6 Eb = torch.tensor(0.,requires_grad=True)
9 @9 S; b+ t, o$ W
epochs = 100

+ ?( T8 r: ?4 |) U7 vlosses = []
for i in range(epochs):
% Q. r1 _6 X2 m" y) |2 B; W8 a" M* G  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
( C4 U& y) O+ I: Y
, |  E1 C6 F  M1 P6 l; _4 Z7 B  loss = torch.square(y_pred - y).mean()   #计算 loss
- ^. k) b6 X8 ?  ]2 U5 G4 Q$ C# x  losses.append(loss)
  
  loss.backward() # autograd
1 N) b" J1 K/ m2 M& r  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
. q+ y' q: F/ v/ P8 f+ B    b  -= b.grad*0.0001    # 回归 b
+ N$ h" h, f7 I7 p  w.grad.zero_()  
  b.grad.zero_()
6 J8 ]8 g3 h+ q' g9 a3 P
print(w.item(),b.item()) #结果
6 T6 f- w6 B0 {
' r$ H. k( h5 Y1 I( R8 K7 p0 jOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
* G9 ?/ `2 [& L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？

老福

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？
, c! d* A; \2 B  p+ Y# e-------
8 Q+ w5 o! N! }1 Y& U: E) q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？
, r: ?. R" |, s' @& G-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
+ e6 p! v  B8 Y5 N! t$ 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 ...

1 V; ?- ?! g/ k  V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

% v$ Y3 U6 `# ~

老福 发表于 2023-2-14 22:00
- H7 `0 u3 @& i! b) C/ q6 ]. z. F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。
+ u( @) f+ X; x" f0 Y3 q9 D- z' `! L
& |* p% P+ b! }+ F3 Y或者把b但的起点改为1试试。 ...

. Z+ q8 ?; V) n; M4 v2 W+ ?" k
  j5 d/ V6 M, U9 \- M. A你是对的。
- l6 F; |# e: q' V- x  a去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" i7 R' _5 W; ?" _y = (x*27+15).reshape(-1)
" l8 s) E& K3 Y1 ~- i, t
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
$ E! T% q- P: H# t% T
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。