继续请教问题:关于 Pytorch 的 Autograd

雷达

& \4 E" Z& d  t; j为预防老年痴呆，时不时学点新东东玩一玩。
* O6 ]: q+ u) J+ ~* N% aPytorch 下面的代码做最简单的一元线性回归：
: e. Y' h5 m& V& \/ e7 ]/ \6 u! g----------------------------------------------
import torch
; a  W( o& R) A6 himport numpy as np
' y, ~. J+ l- S5 L4 I) Simport matplotlib.pyplot as plt
( s8 `  m# {! t1 c/ H  himport random

( d( Q7 f9 x- g0 |4 z; i; cx = torch.tensor(np.arange(1,100,1))
- b" c8 [/ z" f0 Z& B" ^y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
3 A3 ?+ E7 H4 x+ Y
/ p5 u; d! J1 k0 L# H4 Pw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
+ i5 F4 x2 u6 d: R, B" C, U
epochs = 100
3 v" H6 f+ b; l
9 Q( h8 }% \3 qlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
7 q7 [' J2 [# _8 y2 O
  O* W1 J  g7 ~- }$ d$ A/ n  loss = torch.square(y_pred - y).mean()   #计算 loss
+ J7 d3 E- ]/ c  losses.append(loss)
  
  loss.backward() # autograd
5 Z' y, }6 ~& D  [  with torch.no_grad():
' [' d7 f5 y& E, z$ S    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
) S( X: z; j' y" E0 T  b.grad.zero_()
, `- _. ~: k% b
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
$ N/ Y! e& z2 `3 x& f5 V" b6 G% E8 A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。
, v; d4 x! f/ v/ g高手们帮看看是神马原因？

老福

& r1 ^; L. B" J, y
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？
# y- W# `+ K; ~. o# C' 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。
-------
$ L( b" \- c4 n# q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？
1 i1 H+ L% z$ c  a9 J9 k  H-------
不好意思， ...

! U+ O) V/ m5 x( ^  ]# k" E谢谢，算法应该没问题，就是最简单的线性回归。
( ]$ l+ n% b% o2 j6 K) O. Q. b, I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
1 |' m" ]( q  [. B% q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 ...

8 L/ M  w% I3 t/ a2 Z1 v5 D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。
( j+ \1 u$ H4 D5 [3 \8 O
或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
* N6 z5 [  J4 ~9 p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。
$ `7 S) A+ f/ H/ I0 W
或者把b但的起点改为1试试。 ...

. r+ u, @: {/ T- R, `: T' V1 Y你是对的。
, D" Q4 C1 _; L8 w8 [% u& @去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

9 w% Q' c* p  q" e循环次数加成10倍，就看到 b 收敛了
5 F& f5 {' L! k; ]w , b
27.002620697021484 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。