继续请教问题:关于 Pytorch 的 Autograd

雷达

1 T6 j# p2 m+ ^1 H; ?1 N% O) R# g
为预防老年痴呆，时不时学点新东东玩一玩。
/ L& @8 T0 ?5 tPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

4 g6 ]: B6 k9 S: Zx = torch.tensor(np.arange(1,100,1))
3 b7 O$ _) f7 K" m- ~: k# d) T& cy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
: `9 p( R0 c, I
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
- E& v) {& N. B' _/ |b = torch.tensor(0.,requires_grad=True)

: M. c$ B6 }4 O; `3 v) Gepochs = 100

& j; r9 w8 B8 p; C' B) ]losses = []
+ I6 ?+ o  T2 Q2 g- f; Wfor i in range(epochs):
2 s5 @. [; C0 t" a* F" ^9 R  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
) Z4 G( {% G1 G* t1 d
  loss = torch.square(y_pred - y).mean()   #计算 loss
- A/ D/ L0 I$ L% E& W& V4 ]" U! d  losses.append(loss)
  
. v8 A0 ^$ P3 f1 ^( ~; w+ `3 p1 N  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
& I$ y) c# B$ G7 {7 M    b  -= b.grad*0.0001    # 回归 b
) u% c! f* e( ^; `, [. i$ S  w.grad.zero_()  
. ~  Q% ^& ~6 f9 P  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
: y: ]7 ~$ V! l8 s2 w# i$ c----------------------------------------------
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。
# \+ ~$ V8 v+ P# i高手们帮看看是神马原因？
  N. T) A5 u- u  s, c: l( E0 b

老福

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？
( {- t  A) b) T8 m( j. q# J7 o2 H-------
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
  h# F0 a7 d) j5 q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， ...

5 i: X" r9 |' M- C+ c- q4 [0 V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
) H6 {! M. |% h, m, a6 r' h; 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 ...

# w# M% }7 E$ Z
8 f/ k* O4 o6 f8 @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

老福 发表于 2023-2-14 22:00
/ Q, U9 i' b; D8 B, C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。
; v$ U, `7 W  n. |' r3 }
或者把b但的起点改为1试试。 ...

; Q& |0 W5 p  B- I9 D( k你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
3 F; ~+ i4 s/ [3 t- f
* Q. g: R$ \+ ^  T8 g, m' }( @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。