继续请教问题:关于 Pytorch 的 Autograd

雷达

$ |: z: X& c) M6 ^2 ]2 j6 P
& s/ _1 t: i( t, R" j9 ^& e为预防老年痴呆，时不时学点新东东玩一玩。
3 {6 F6 r" G3 z6 O% @$ L: v2 @0 ZPytorch 下面的代码做最简单的一元线性回归：
. t% H3 ]' o" \----------------------------------------------
6 p1 x0 z# D  U! p' x" Bimport torch
+ B; k2 K/ ^, Ximport numpy as np
2 L' @7 |6 `8 Z8 K; Uimport matplotlib.pyplot as plt
import random

2 L0 {0 J; \# ix = torch.tensor(np.arange(1,100,1))
! e0 K7 x& p% r+ n4 Z+ s9 Py = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

8 D( @8 j* ?2 g. J1 Q9 N' a& Kw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
- c7 |' r* w- @b = torch.tensor(0.,requires_grad=True)

) s$ w3 j% V% ]epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
8 e8 \6 H5 N9 G( n. g+ L  y_pred.reshape(-1)
: V1 W1 S/ G/ w7 S/ L
  loss = torch.square(y_pred - y).mean()   #计算 loss
5 l" E2 ^0 o4 P, v2 H5 g% B  losses.append(loss)
  
  loss.backward() # autograd
  K9 ]7 P- @1 K9 G$ @7 X  _' q) x  e  with torch.no_grad():
$ K' U; E" d& M    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
( `" m. I' U6 V6 P1 @  Q  b.grad.zero_()

print(w.item(),b.item()) #结果
4 t5 Y' x: p+ G3 m& w
, Y: s/ k$ C8 x9 U) P9 FOutput： 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。
0 U) |+ D6 i& H+ b5 P. q) }! M高手们帮看看是神马原因？

老福

* {/ |7 P3 q" ~; a9 b# N/ n1 e2 d6 W
0 g2 L8 i! x) x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？
0 D4 ?% f: p2 B0 U* p: x. R-------
% X( i9 R: }+ O. |  K/ J4 X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 A9 D  l& T( n+ b; @- I0 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？
-------
& u1 i- a" k1 }0 N不好意思， ...

# F: Q  s  ^  v+ E谢谢，算法应该没问题，就是最简单的线性回归。
! n* q) E7 }. t& w/ N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

8 X% X' f# M; |1 |; a

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。
% I6 T" X! G6 T/ ^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 ...

1 Z& u& e( }% |5 i* P
) i6 x% b  X  Y8 }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 G8 n! R8 b! o' s7 b
或者把b但的起点改为1试试。

雷达

% G1 L: L3 w  O) d% D1 Z2 M

老福 发表于 2023-2-14 22:00
0 u! {9 P3 M& A8 X+ z% x# q; f3 Z: P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 f7 ~9 J, D' g& I
/ v- O: F- O; U! q或者把b但的起点改为1试试。 ...

9 d# [) Y! T$ h你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
* G# F; H( S2 J" j$ uy = (x*27+15).reshape(-1)

$ s& Z2 R+ w) j+ L' M循环次数加成10倍，就看到 b 收敛了
w , b
6 H/ v* i3 o3 r1 o5 L. t4 _27.002620697021484 14.826167106628418
4 Z, p1 {) Y2 L( D! b
( [4 S; z. Z% _: m( W; ^# T6 [( 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。