继续请教问题:关于 Pytorch 的 Autograd

雷达

; A/ j) r8 g8 T0 H; \
: x* F5 K( c9 ^, A为预防老年痴呆，时不时学点新东东玩一玩。
% Y  R  H' w5 d; h2 z+ E( oPytorch 下面的代码做最简单的一元线性回归：
+ S$ l! Y6 |( p' _8 ~----------------------------------------------
6 c  C! ~: ~; G$ v1 Eimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
5 W9 h7 }, Q# e, Uy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
+ P- A1 w  x( P
+ x( n2 r8 d6 r  ^. W) fw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
  w2 W! j  K& X+ [b = torch.tensor(0.,requires_grad=True)

epochs = 100
" s4 x+ ]/ Y" s) \( j5 f
losses = []
for i in range(epochs):
  D5 s$ y+ }" }0 z9 o: y  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  d2 b' r7 a4 _8 _  losses.append(loss)
  d; ]; j1 S1 Z7 w. C% A5 I  
7 k& e5 w6 i+ q4 s% q  loss.backward() # autograd
4 Y- C* @. ~# W: z  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
1 h0 k/ a8 [6 `3 q0 e1 h8 [3 A6 x" ~    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
+ _3 t6 Q! |# Z# @! ?7 \
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
+ d: \6 w4 [: `" y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。
$ Z6 M/ C. G8 [' {/ P' C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？
' |: j" W2 D7 r+ v-------
! M5 w2 b; h" `( T% L) j! 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。
-------
4 S# a2 ~4 O8 X: c6 Z4 O5 C- \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
! `5 h7 s! P- u+ F) B9 }; v9 o' a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？
7 T! E. J" Z1 F# ^5 T0 Z-------
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

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 ...

3 n# z+ X6 d/ v, h( |" c9 x
. W( |/ D- s; L, m) ~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。

8 k+ V% A; g* o" t: }+ ^' M; N或者把b但的起点改为1试试。

雷达

7 l8 b) c2 A7 c% x1 f/ N

老福 发表于 2023-2-14 22:00
, m8 Y7 Z6 G$ l% i) B) ]$ H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。

/ I- [( E$ L) ^, ~$ j  b2 B或者把b但的起点改为1试试。 ...

1 i# r% g) u" Y; e- z: [你是对的。
2 W6 r1 I) @8 G) L, _: X去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
' u2 y! l5 F9 F: A
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
6 U& p: O+ V  a, ]! ~
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。