继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
8 K' [" j: m( RPytorch 下面的代码做最简单的一元线性回归：
# I2 y/ U5 A4 r----------------------------------------------
import torch
4 q( W1 {9 t5 vimport numpy as np
import matplotlib.pyplot as plt
import random
; F/ I& g* ^$ s  F" x: W
* }) T5 D" I' Lx = torch.tensor(np.arange(1,100,1))
8 d8 f% n( u$ G# ?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
b = torch.tensor(0.,requires_grad=True)

$ g- Y8 {: X/ i' N; a" b: P0 eepochs = 100

# T4 e+ u0 ]$ c8 N2 T% Y/ h/ ]# flosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

. B5 t' O! {7 P0 _- \7 I  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
$ M1 t! c* l* R7 V) n7 d  
  loss.backward() # autograd
5 {5 Y) y: [) X3 N' ?7 X5 Y: y  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
5 X* s) l1 |. a6 q" D    b  -= b.grad*0.0001    # 回归 b
, W7 X5 @: p* N. N/ A  w.grad.zero_()  
* j+ I; t( B# J  b.grad.zero_()

print(w.item(),b.item()) #结果

, \3 ?0 ^! z$ J3 YOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
' {5 A1 l" }: ~! h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 c" u8 I  F. I$ @+ ?  X' p! L高手们帮看看是神马原因？
+ V; Z; P- b6 Z

老福

$ c; K- ~  }3 u( O5 a% b& C9 u1 F
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 d: I' x' B; G; `-------
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。
& X0 v6 J/ z* Z4 g# g& |/ {4 ]-------
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？
-------
2 p. w% q. y0 [不好意思， ...

4 S! w$ x  i9 I谢谢，算法应该没问题，就是最简单的线性回归。
/ E7 e+ L7 B6 B2 c1 v, W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

4 h0 @2 A- r  s, ~" {4 s- X7 [

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。
5 ?5 n- V. [+ j1 {  r0 Y4 u! Y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 ...

" m7 e& O( \% N6 N* t6 |7 b& b% 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。
; d7 X  ?" ^7 s* ^. o
8 Q: f7 W8 u' l0 v" P4 v9 Z或者把b但的起点改为1试试。

雷达

( ^6 `/ N: ?6 d9 Z2 A  h

老福 发表于 2023-2-14 22:00
- z; q3 M; C+ O6 X2 w) u9 e  \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。
+ N, }& R! H9 C. [# G: `5 |7 _
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)
7 Z2 C. }9 X4 S; I) By = (x*27+15).reshape(-1)
) T/ I3 {5 [) \
循环次数加成10倍，就看到 b 收敛了
w , b
- Z+ a( A' q5 U& W# {% e" }27.002620697021484 14.826167106628418

5 v. h& t  {0 `1 I! p" _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。