继续请教问题:关于 Pytorch 的 Autograd

雷达

; q7 I; p0 V( e8 S( H+ R
为预防老年痴呆，时不时学点新东东玩一玩。
3 Q9 x8 |/ y0 L$ IPytorch 下面的代码做最简单的一元线性回归：
8 I  x; p8 P7 E0 h3 L----------------------------------------------
import torch
0 d6 s. _" v6 B$ e+ v9 `" w1 ?4 Iimport numpy as np
6 R+ m! S1 o+ X6 Y8 w" rimport matplotlib.pyplot as plt
/ l' I, C4 |  W$ Nimport random
2 ^5 N  m' f" P1 [9 y4 ?! F! m# R
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

: j: h8 r; V! |' A3 H( a* Ew = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
: S2 |2 d% F2 _5 c; y
epochs = 100
$ `4 D0 [0 j4 t- y
3 a9 J9 y# }5 N, `2 Alosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

' ^: z; G' v) I9 C  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
6 \! C, g5 d) I9 V9 A0 r  
1 M" v3 y- V! v" T7 E- e  loss.backward() # autograd
  with torch.no_grad():
1 F! l2 B' ]. x    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
/ ?% z! W( c2 i* ?9 L1 }3 w  w.grad.zero_()  
( u8 m& |2 A' j. F5 o; a  b.grad.zero_()
0 ~, M# v, ?. g5 W1 M
6 A9 {# ]1 w0 T1 @print(w.item(),b.item()) #结果

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。
高手们帮看看是神马原因？
; L% ]! s0 c9 Y* x8 F

老福

; p1 L" h6 p8 [5 _0 I8 Q  j$ P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？
-------
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
2 C( N* L' Z8 \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？
-------
不好意思， ...

* b" g8 M6 I0 f: e8 Q7 _谢谢，算法应该没问题，就是最简单的线性回归。
. ~# n+ A7 h! Y  L! b3 b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

6 J/ x7 @/ T/ r+ h

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。

或者把b但的起点改为1试试。

雷达

8 ^: x: L# Q3 [& W

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。 ...

7 n8 B/ [: ]$ D' ~! I! K
7 O& `8 r( h( @1 k+ L你是对的。
/ Y. F  Q) B! S/ A& Y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
+ A1 j$ N/ s) ew , b
27.002620697021484 14.826167106628418
. d7 N2 O; a; I+ l) g' k, 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。