继续请教问题:关于 Pytorch 的 Autograd

雷达

, s0 f$ n0 @$ O" n8 w9 g1 s
为预防老年痴呆，时不时学点新东东玩一玩。
. e8 y, ^! z8 P  mPytorch 下面的代码做最简单的一元线性回归：
* r# K4 c8 T% c) T----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
( F5 E# P) d- Fimport random

x = torch.tensor(np.arange(1,100,1))
: g) |; M0 S. s1 h3 R* ky = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

& x; K; `. T  j4 r" k3 jw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
' \3 e; G- E8 {1 Ab = torch.tensor(0.,requires_grad=True)
% r" z, C" K. D7 T: i
" R7 f5 F0 n+ q4 Wepochs = 100
) V: k- Z; I2 X0 w0 e& R$ b5 Q
losses = []
5 K5 w& t7 b3 L: x  [* J! @6 ifor i in range(epochs):
& K; k) L9 x9 R( y. Y$ O) X  y_pred = (x*w+b)    # 预测
  a( F) `* |* Z, O; l! N  y_pred.reshape(-1)
! t2 b+ G# u: L$ t2 _8 F
  loss = torch.square(y_pred - y).mean()   #计算 loss
0 L0 X) F- l6 n% Z# P  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
; S" N6 t1 ?3 E! i/ z) E8 i% m: G    w  -= w.grad*0.0001   # 回归 w
) W- _  [4 w+ d4 w    b  -= b.grad*0.0001    # 回归 b
, T4 m& Q  ~* Z3 S% W  w.grad.zero_()  
( `% }9 m! P& w! n7 x2 j; l  b.grad.zero_()
" q1 i9 b' N* x' N  I# U9 q  Q$ {
print(w.item(),b.item()) #结果

) J: n) F4 `7 j9 UOutput： 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。
  \' w. J* a9 I; V高手们帮看看是神马原因？

老福

# `5 O0 I$ ~" x$ q- O
7 U) o7 Y4 y7 v. N, b+ }: a( i! K; L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？
9 E( i3 D9 z  d( }! _-------
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

) C$ x0 p" A4 h2 h& p

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。

" p. @) }$ F( L& c或者把b但的起点改为1试试。

雷达

: S) g1 b: T& G1 n: F3 `

老福 发表于 2023-2-14 22:00
0 B! _( R: R' v0 ^% \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。

3 F1 K: S0 B  y) \0 {或者把b但的起点改为1试试。 ...

. P. n% F9 v3 z4 A  y. l3 m
你是对的。
$ G- e3 P# f& _去掉了随机部分
) J$ n' m. ~1 U! i0 e8 w; T6 |7 m& @1 l#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

( \: m. Z; c/ a$ p' b& T* d循环次数加成10倍，就看到 b 收敛了
4 F+ J7 |3 e& A5 _/ kw , b
; i) o9 h& K+ W+ V% H27.002620697021484 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。