继续请教问题:关于 Pytorch 的 Autograd

雷达

. \% |$ D* ~+ g- E5 A: N8 X
为预防老年痴呆，时不时学点新东东玩一玩。
* f1 }8 V1 J) N# S7 T! lPytorch 下面的代码做最简单的一元线性回归：
3 A7 k( m( j" m& w----------------------------------------------
% T9 K$ S. O3 x% cimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
3 Y# i0 u) h* @  v! ]1 o! _+ Vy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
$ E, J: Z2 L5 K$ ~6 W
! |' Z/ u& n# {8 j' Kw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
! W4 Q# f* U1 ~. Z2 db = torch.tensor(0.,requires_grad=True)

epochs = 100

. U4 Z4 i$ b2 M) i1 Y) [( Hlosses = []
+ u/ _4 d9 k  y" ?1 p& [- g3 rfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
8 f# M" g* o( i
2 T& r* z: U# o( |- ~3 g  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
3 ^% T! h' Y0 X0 \9 e  loss.backward() # autograd
  with torch.no_grad():
3 c7 n- U, H- o    w  -= w.grad*0.0001   # 回归 w
) k1 @/ \2 _+ P9 W    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
* F% U" S2 }" p6 v  b.grad.zero_()
' W# ~7 n4 b) Y* Z4 t. E
print(w.item(),b.item()) #结果

: x' W% r5 p  M; B4 Z) sOutput： 27.26387596130371  0.4974517822265625
; O$ F4 N7 x9 c. T- ?----------------------------------------------
4 d1 c/ d' F- l7 X1 D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 {# t: j, B9 m9 ^, n( Z; G# U0 E% o. l高手们帮看看是神马原因？

老福

' k3 S( t* x; [- Y
4 c1 n, e6 d" X  W& M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？
5 {* e- x. q% ?7 p) C+ K. M4 K-------
" o: K, l( [- [- Z* ]; \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。
% U7 b0 V' X0 e% ]! `$ x-------
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？
-------
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

' D" j3 b1 K2 ?4 }) i" E- q2 r

雷达 发表于 2023-2-14 21:52
- S. f( @( |- |( Q; R) L谢谢，算法应该没问题，就是最简单的线性回归。
) \. y4 D7 w; J& y6 ~& L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 ...

* z; B; m: n& o# v# m+ [% ^. r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

5 u7 `, U+ [) }

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。

, V6 R+ L  c; V( g0 Z或者把b但的起点改为1试试。 ...

! N: i! S( P+ O' E" O8 ~你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
7 n" R7 Z- `( M: y& ?y = (x*27+15).reshape(-1)
) k: r. n- k. H- f% i! c7 z
) S/ e* I( W# r- G- ]/ M) S循环次数加成10倍，就看到 b 收敛了
w , b
/ c5 k3 C. S+ _1 i2 k+ G- G27.002620697021484 14.826167106628418

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。