继续请教问题:关于 Pytorch 的 Autograd

雷达

* T0 c) b4 e8 u# p# F2 a% X为预防老年痴呆，时不时学点新东东玩一玩。
7 c) F9 d2 u4 Y) G& |6 c, FPytorch 下面的代码做最简单的一元线性回归：
: ~! P( M' l+ B8 X1 I----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
  H4 N2 j2 ~8 c, dimport random

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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; l* s2 L' o' k' N& ^b = torch.tensor(0.,requires_grad=True)

1 G8 ?& {2 Y$ v7 ^) [epochs = 100
( X* l1 X# H) M( B1 }4 d- K7 H+ Z* F
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
6 T8 r- s6 n$ S5 e, q6 l% Y  y_pred.reshape(-1)
' Q" |: y! q9 ^0 }  c
! e0 l: U2 a! f  loss = torch.square(y_pred - y).mean()   #计算 loss
' ~$ F' ]* T. Z, x9 _" p3 S: q! ]& d  losses.append(loss)
: s( d- V' f6 S* L1 z! j$ w* N  
  loss.backward() # autograd
1 e9 J" X" b3 Y; Q  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
% t9 [0 ?: i, Q$ p$ m    b  -= b.grad*0.0001    # 回归 b
% i8 L, T$ r7 L( i  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
5 U4 D% l6 ^# w8 W* R3 ^7 u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？
9 f+ ]! t0 r- [# ?

老福

4 g8 f0 V5 t% \$ r2 i: }' h
. g# c2 W) }9 |5 H2 `( C* D% H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
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

9 ?; y) d8 w' }7 E2 \5 i9 \

雷达 发表于 2023-2-14 21:52
. J6 M' {; P. p. H7 O谢谢，算法应该没问题，就是最简单的线性回归。
( L2 p/ W: U) [# l7 d/ G6 N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 ...

. J* t7 k! P4 h3 @8 o4 }
0 Y8 V, M. A/ ?& H$ O; k' Z1 j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  s3 ?: r% f7 G. W
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
( z% l- f3 i4 R8 W" B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。

) @* a+ X# N* P# b' x7 ~+ K5 Y8 J或者把b但的起点改为1试试。 ...

* ^* C: l2 I5 ?$ m: W4 Q
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

$ @0 c+ q7 w1 l# L循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

- N" G8 `$ C: v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。