继续请教问题:关于 Pytorch 的 Autograd

雷达

. l( Y" |# s/ Y! e. K9 U
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：
----------------------------------------------
" F: @' ^/ ?1 \3 `% N" |+ f1 Cimport torch
import numpy as np
import matplotlib.pyplot as plt
( B2 h  U& O& [: {4 Yimport random

x = torch.tensor(np.arange(1,100,1))
2 k8 S' K- q6 k! Ny = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

- R( r, }0 [# ]4 @, `w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

3 |+ D2 M+ l6 v0 C: g: A7 v& u* Repochs = 100

losses = []
1 ?& j" X0 z+ A. F7 x/ kfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
$ \9 o( D9 l2 f# Q
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
1 e: V5 j, c" {0 Y/ H7 b+ @  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
2 \. w- r+ u3 E# S$ i    b  -= b.grad*0.0001    # 回归 b
1 J- S7 t% o, t8 E* w  w.grad.zero_()  
4 a; B2 q8 G8 c  b.grad.zero_()
' e* A! ?5 g7 R& P% c  u
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
* ?1 h: G$ H% M5 T1 E, O! |& X2 Y0 j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。
  Z! u- q! p& h6 ^/ P高手们帮看看是神马原因？
) m4 W5 a- H+ j5 [$ ^  ?! l  n

老福

+ Q: k/ S5 Q$ e: R  F; U& u
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，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。
-------
( q' x9 f/ F  k1 F* M+ n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？
-------
. n6 J( s, g# u. Y不好意思， ...

# a$ v/ N8 N0 e) g谢谢，算法应该没问题，就是最简单的线性回归。
8 ]8 A2 d( z1 C- t+ t7 {8 U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 }* o5 j" m% o( T# b

雷达 发表于 2023-2-14 21:52
1 ^8 m  J( [7 j! B谢谢，算法应该没问题，就是最简单的线性回归。
# C4 n/ x6 Y; a  m/ F, s, A$ k: 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 ...

9 q& B5 k4 f6 q  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。

或者把b但的起点改为1试试。

雷达

3 R2 {" \- W9 ^. l) _' U( {

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。

或者把b但的起点改为1试试。 ...

1 X2 ?" _! _  w1 d7 G1 z你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
$ a( |- r, f" ], ?4 `3 B/ oy = (x*27+15).reshape(-1)
9 b' M% S$ p# O1 a9 U
0 S+ c3 \7 a$ F循环次数加成10倍，就看到 b 收敛了
& [5 j  v, i3 W, xw , b
6 `2 [2 ^/ b3 I1 f; ?. ?5 _27.002620697021484 14.826167106628418

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。