继续请教问题:关于 Pytorch 的 Autograd

雷达

, M+ R. N' D+ n9 `5 @6 v% h- i
$ F1 D( ?  S/ S8 U  ]- k) U- A- @0 q为预防老年痴呆，时不时学点新东东玩一玩。
) D" [- Z8 R+ XPytorch 下面的代码做最简单的一元线性回归：
- Q& `/ O3 J9 K0 I----------------------------------------------
) A8 x" u$ h* k: \import torch
import numpy as np
- n/ ?( F, Z. J' m5 limport matplotlib.pyplot as plt
8 L! X6 q; ?. q. [3 E% Yimport random

! C9 x# P  q7 ~- S+ I- V2 F" F! C! v' I  px = 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
8 I1 [6 d! {. A  K' }/ X
- n# S" A5 C& S9 i1 pw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
1 q" u# l7 v) ?& c6 S  fb = torch.tensor(0.,requires_grad=True)
. E/ u# D. x! R  ?$ D+ Z
& Y* `4 q' X* M2 V* N) Yepochs = 100

losses = []
for i in range(epochs):
* m' S3 ?; r1 \9 M+ R  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
4 y+ `0 [  T1 |! v
+ H( p& s2 O! n$ Z4 R) v& \5 y/ J  loss = torch.square(y_pred - y).mean()   #计算 loss
+ T# u* X: d; r- G  losses.append(loss)
  
  loss.backward() # autograd
2 M/ j- T. l( Z" _8 F5 r$ ?# V  with torch.no_grad():
$ `3 D! E+ g/ g/ E; o. U    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
3 }1 I) }+ @) G' V5 N- J( M1 v  b.grad.zero_()
2 C$ F9 M) d* M& o- ^+ e
" |' ]$ c/ M0 {& pprint(w.item(),b.item()) #结果

# K; R4 u) Z( U- Z9 ]- y) qOutput： 27.26387596130371  0.4974517822265625
  O: v2 X4 f8 }----------------------------------------------
% V: f) c$ I) |' g& b( [3 l6 o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。
6 V" I* j+ l: j# N+ |5 w' W; W4 r高手们帮看看是神马原因？

老福

: G# @" t2 l& f5 ~; v* k8 \( b3 k" 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？
1 ]$ x; \- e' u6 D7 G8 j-------
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
9 h" F" x: r" {% m3 v! }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？
6 ]' @7 S5 q, [% p+ E. t7 I9 U( z-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
# ^# M" z) k" C; g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

. y5 K/ M+ J2 G# h6 q  T

雷达 发表于 2023-2-14 21:52
( i- _/ \8 v0 R2 p0 V# o; B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 ...

: ?! m) K5 ~/ W6 w# e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

: f( `/ G; k0 {& P5 G4 C( F, @

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。
: e5 d% b' B) x$ V
6 j* J% z! K, V% u2 Y1 ^7 L! h或者把b但的起点改为1试试。 ...

4 G# l: E; }8 h  Q
7 f, g1 M$ F9 W. [% l# I: V你是对的。
去掉了随机部分
( e* m; H$ X5 r3 t( X! ]) \#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! ]- {/ T# @$ G$ ~; z& F3 qy = (x*27+15).reshape(-1)
: Z$ P8 N" G% ]. E* N, L4 Z
循环次数加成10倍，就看到 b 收敛了
5 H+ t# ?  m$ i, ]0 W3 V. rw , b
3 F0 B* i. r8 T8 o7 Q5 w27.002620697021484 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。