继续请教问题:关于 Pytorch 的 Autograd

雷达

1 \0 ~3 U- t8 _7 i2 O; z* V6 g
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：
. T' X6 @9 w& u& y----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random
; O9 v% b( B1 T1 G6 J% Y  B( K4 \
x = torch.tensor(np.arange(1,100,1))
, {, X  ~' s9 ~y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
5 @5 N1 T( @9 J) T' {; u9 m
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
* \3 `7 @1 Y' xb = torch.tensor(0.,requires_grad=True)
0 c7 O6 B0 g! r, V, x3 [: R" P
epochs = 100

+ u1 I, G# G9 ylosses = []
+ `" L) }3 Z" @3 Y+ Q# Bfor i in range(epochs):
3 c" d1 K! @$ @2 g" i, J( T0 B  y_pred = (x*w+b)    # 预测
( X. p. d" Y4 ^3 O! ?  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
* m; e3 n) E; J) C  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
" A6 h1 Z1 m3 V    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
2 u+ S2 t& _5 o  g5 K
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
1 N' q$ }1 I% v# F3 A' b& V+ Z- i5 W----------------------------------------------
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。
高手们帮看看是神马原因？
4 F; u7 J/ y1 e

老福

& p0 F; |' s7 {6 F* B6 a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？
) J; b! L, q+ ~. W  i: x" @" n-------
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。
-------
! _4 e4 i, K/ l1 v' e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
, M; N8 L- W, }- @% A% D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， ...

8 G1 H5 |: o: u: q+ R, m" i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

, P% n6 ^1 b% O

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 ...

' f" z9 \4 `0 a, ~) K" W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。

  Q3 |% Y3 I5 V2 r或者把b但的起点改为1试试。

雷达

) K3 J/ x, Q4 |: \. s, I; z

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。
1 J8 s6 j+ s2 U
或者把b但的起点改为1试试。 ...

0 }% y# ]0 y# t. h1 e
你是对的。
" n* b  |+ l: I3 ~去掉了随机部分
0 d1 _4 X% o: y2 g: G1 }9 I/ N#y = (x*27+15+random.randint(-2,3)).reshape(-1)
. w! G7 v! R, s& a% Oy = (x*27+15).reshape(-1)
. `( H; ?" Y/ h  ^" N' Y' ]
  s) Z% j- A3 i循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
# E$ K6 j4 C. f1 m5 x+ F. Y) ?
2 B& T( X  L7 d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。