继续请教问题:关于 Pytorch 的 Autograd

雷达

  z4 t" U& x; u) N, i
为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
$ y- S, p6 ?! {. j% R6 W+ eimport torch
- z: n% \$ x' H  pimport numpy as np
; U9 v% d( x$ D7 \9 Fimport matplotlib.pyplot as plt
import random

9 A8 g  ]. \) m- ?( _- b' A) ~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
& P# @6 f% z) q
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
1 @; i  {9 p) Q( y  h' e3 J# `1 ?b = torch.tensor(0.,requires_grad=True)
1 H7 C0 j' U1 ]0 c
epochs = 100
  p, B$ o3 ^3 W1 S, ?
losses = []
2 l- @, o2 g- ]for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  c* ~( m" Z: ^. T  y_pred.reshape(-1)

+ g, K3 Y: K1 H& i+ \# ?  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
3 E4 Y, ]3 f1 N    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
% j! M; z% P, s2 T& d  b.grad.zero_()

$ m* Q! e4 J0 q8 E# U& U2 w! Kprint(w.item(),b.item()) #结果
  |& U: L( @. Y' M( ?# }; @' K8 t
6 y% e) {& t$ e; IOutput： 27.26387596130371  0.4974517822265625
1 _# |& l& k0 L----------------------------------------------
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。
% \  p) {% n& ~; c& m高手们帮看看是神马原因？
! B0 w- p* B. I* q$ u: H8 L

老福

  X9 r+ u- m3 U" w8 p
. v% N, |2 ]" V( K$ @" q) p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？
( n: M/ u- `: J8 T6 A8 u5 t" B-------
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。
-------
% j/ g9 I/ q/ X% k# M  D5 b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？
-------
4 P& R. D( a+ H不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
$ _4 A7 J5 K' 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一下。

老福

. L3 O. ?8 k" v, p0 y* u  l8 {/ ]' z

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 ...

; u+ s! l( f1 F; x- `9 D  M
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。
2 l4 F" |' Z# j1 D
或者把b但的起点改为1试试。

雷达

, h9 d. ~6 }! g8 t* N; I( Z! F2 C

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。
& \3 y8 V  w: t6 j% F
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
+ w  w+ o" b; y8 l" z#y = (x*27+15+random.randint(-2,3)).reshape(-1)
- p: U& }# \5 Py = (x*27+15).reshape(-1)
6 _* }* n) f, P6 ^: a, D, P; W
循环次数加成10倍，就看到 b 收敛了
7 m$ M3 D% [) J4 qw , b
27.002620697021484 14.826167106628418
+ P7 q- @& d$ v1 z& F
. r4 x/ q9 |' _' M2 b0 x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。