继续请教问题:关于 Pytorch 的 Autograd

雷达

8 D2 _* }9 P5 M4 ^* y
$ S% }* \% I& Q为预防老年痴呆，时不时学点新东东玩一玩。
/ e" s/ g3 y4 p+ s. _Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
# I. P+ C1 J/ P: R" [4 M9 Aimport matplotlib.pyplot as plt
7 a& D$ b' x8 x$ ?import random

% w- n  B1 c; ~% w5 T5 r4 f+ u3 S! Kx = 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
5 v+ ~$ L1 m% p: y0 E
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

& ~. e7 q. J7 `, u8 a8 P3 j, Sepochs = 100

% E: X1 k# U* B" p0 flosses = []
for i in range(epochs):
5 A$ `/ |, E5 u- M  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
1 \" }( H6 c3 Y. J8 o9 M2 a( q
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
. A5 M9 B/ N8 N, K. @0 a, T7 U  loss.backward() # autograd
5 l  t' g% {5 y0 Z  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
8 f( l# S6 T' \  b.grad.zero_()
' S3 Z, X% L* ]9 p# D+ @- F( t
2 ?* n* Y- u2 I. i+ Cprint(w.item(),b.item()) #结果
% _/ M. X/ [: a" V7 N- `' Z  V  O5 {
Output： 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。
/ i1 m( e$ O+ ~' V% t# i高手们帮看看是神马原因？
4 X9 h( ~6 F  [" t. D( c

老福

7 G& F4 u$ {2 b* L7 Z' }7 w
& {- v7 w6 H* b$ \( f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。
+ E  Z; v# c) A- ]) B- Z. l: l! H-------
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
7 \3 C- }  H' z- I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？
-------
( H3 o* J0 A8 `1 U2 g) h0 n不好意思， ...

) h- Z% K$ g& S  m9 Q) d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

/ m1 s% D' ]# ]9 ?8 F  {

雷达 发表于 2023-2-14 21:52
" n; R8 T) ]3 @+ Y. B6 \谢谢，算法应该没问题，就是最简单的线性回归。
6 @) G! c( I+ H  p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 ...

& s& r. O$ C, @. q; j" N
" r: H" v' I, I& \) 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。
3 L% W% O# F5 V5 |
或者把b但的起点改为1试试。

雷达

2 |( ^7 H2 y4 m. G# R# s

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。
* G  M( `) i% l4 P/ k$ R; y
或者把b但的起点改为1试试。 ...

你是对的。
3 n: I7 [) Y$ D* O3 z& g' O去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
+ m3 w, q0 a3 B2 Y9 |
循环次数加成10倍，就看到 b 收敛了
w , b
& b6 ~: g3 n% o7 [" u5 `( F2 `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。