继续请教问题:关于 Pytorch 的 Autograd

雷达

6 e# P' Z( A- ~  @
" V) E6 h) ~( X0 I, L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：
----------------------------------------------
import torch
, c+ a1 {8 w0 }- A. [2 Qimport numpy as np
import matplotlib.pyplot as plt
import random

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

, c) c% ~( J# z) B0 B4 l7 Gw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
$ G+ w4 Q. W; C* R
+ r5 l3 n: i6 c1 w8 L) F% c9 B  loss = torch.square(y_pred - y).mean()   #计算 loss
0 J. a( z9 Z* I5 N3 X( c  losses.append(loss)
& z* k' S& e" S  
/ k' b& i! L' Q9 C( k, W  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
" ^7 G$ ]5 W( x/ l
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
  p$ A2 f" a; [" x2 n; \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？
# `3 W  q2 K; o) [* y

老福

) F2 H. i3 J3 r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？
-------
$ m* l1 a7 `9 z# k: X7 I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
5 R) v, t9 W& T# d1 ?! V! T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？
$ `2 P2 U5 a' s-------
0 B* x3 I; G/ w0 I: Z1 Q6 ?: F不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
* q; T% f# r3 D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

) x, G" k! ]- Y- R6 v1 i" J" 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 ...

/ o) J5 |, x% X; Q7 V
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。
; S1 K9 X* {5 f! v/ `# w3 N
! V+ G8 ]# L2 ?# b或者把b但的起点改为1试试。

雷达

2 R5 b: P8 Z- r, C, l

老福 发表于 2023-2-14 22:00
: S9 z% M7 T4 l) k. V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 F) t7 v/ ~2 V* U. [, i0 Z
) N3 o/ F8 O: y; N# N或者把b但的起点改为1试试。 ...

0 K8 w! {& m3 d; e: k" p3 h* i
  S; g* r6 R) ]( `你是对的。
* {" ?1 P! s2 [5 l9 f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
8 y. J, U. c4 M9 a7 X2 h3 C' nw , b
, X  X3 U8 O  |. B, p: S/ b27.002620697021484 14.826167106628418

+ X# K! q9 `' y4 N7 J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。