继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
& ?0 D  @  P- m* |Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
; f3 ^' {. u, V; K- Yimport torch
import numpy as np
import matplotlib.pyplot as plt
/ }3 `. \- L6 wimport random

x = torch.tensor(np.arange(1,100,1))
; N# i# J- \7 u- ]* a. A- B" Ty = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
  C3 B+ {: z, v+ R
6 Q1 u0 D- L# @w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ ?3 a9 j: U, @/ a( `3 C; Tb = torch.tensor(0.,requires_grad=True)

- C  }6 J- ^3 w2 Nepochs = 100
+ F: a3 ^+ k2 m; J7 Q, ^8 u
losses = []
2 T0 |4 w- F/ ]7 gfor i in range(epochs):
. G& Z; L( h1 [- C  y_pred = (x*w+b)    # 预测
: G" D3 |$ z; ?6 z  y_pred.reshape(-1)
3 q+ `4 P$ F% |1 N8 |  r. m
' |, Y+ \( `, A; i7 {$ G& Q  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
6 K% q( w; l! Y0 e  
  loss.backward() # autograd
3 ~1 v, Y- U& F0 C" [. \. R  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
6 ]% B  U: B/ O. M7 }  w.grad.zero_()  
/ _; S7 c8 a- Z7 D( H4 }, z  b.grad.zero_()

print(w.item(),b.item()) #结果
) D# \% l# t% b: q6 `/ v
5 r, x$ ]8 j( U6 i' W" Y( V3 ]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。
+ |2 M9 H! a0 g  r: \高手们帮看看是神马原因？
$ A) n( \, ^4 \7 b) f

老福

: J2 _3 T, h, n8 Z0 Y# A3 q2 T8 b) 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？
) }  f& ]# w+ c' w9 |: Q4 ^" k1 c-------
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。
! ?9 N/ P; \' p) N; K-------
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， ...

! ~4 F( ?5 s- j3 f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

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。
; A: ]% O, G6 B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 ...

- s6 v* Q: E$ [
% L5 ^. l) q' \' X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。
( a7 h# g0 R; Y" v- Q8 P& |; w* q
  ?% B4 c; \& O! F5 V" b: y或者把b但的起点改为1试试。

雷达

& K3 ]) w! u$ I2 p; ]) g1 ]9 V) y

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。

或者把b但的起点改为1试试。 ...

  a9 U; a0 g9 ~( M1 W  b
你是对的。
. t! V) f* z! U) N, V去掉了随机部分
" o4 e, Z7 S& g' g# A9 e#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 H! ]% W; P- q2 Jy = (x*27+15).reshape(-1)

5 z8 g: l( K* b. X9 I- C* m循环次数加成10倍，就看到 b 收敛了
5 P" Z: \0 O; }8 g3 hw , b
4 {' b$ A3 |7 R. K& T# E0 w27.002620697021484 14.826167106628418
- D' ]/ `) R/ k3 F! R( F: W, i( g
8 ~' h" d* ^$ t1 ?  v7 K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。