继续请教问题:关于 Pytorch 的 Autograd

雷达

2 |1 o- \+ }$ {* i% o( ~; G% @2 V
5 m, a/ `8 M( \% ~- s2 C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：
2 p7 z" ~5 p) z$ Q) @1 ]6 f' V% m----------------------------------------------
import torch
* f' R5 O( V/ Iimport numpy as np
! R, d% E- t9 {+ ]1 Dimport matplotlib.pyplot as plt
& m5 Q+ G: M/ M4 p" H, J4 a$ n% \import random

' B  I8 W* {1 zx = 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
9 W- d) M9 ~6 _- x+ e9 P
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( q% I; L- l: r2 |6 o1 N& }4 Y) Fb = torch.tensor(0.,requires_grad=True)

, M# B4 Q  i- ]# ^9 C1 u, ~epochs = 100
8 D9 w, R/ V4 v8 V# m5 @
4 x2 ]3 a+ ^, b! Elosses = []
' e+ ]& r' c& a- q& Yfor i in range(epochs):
+ D3 p. m; e$ b) u, x- q' p! {  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
: A+ y7 _5 b  f) C  
  loss.backward() # autograd
  with torch.no_grad():
( z1 a3 I9 s# i+ p9 A    w  -= w.grad*0.0001   # 回归 w
; J- o1 v4 U5 x: m, y$ L* j* U    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
* a$ \1 ]! L& H+ w5 x/ y  b.grad.zero_()

- m. _/ Z) m: ~1 d& vprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
( w8 _) M. ~, w- f----------------------------------------------
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。
9 P3 I% D9 x5 Z# @高手们帮看看是神马原因？
3 w: l8 b$ `7 ~6 S( m, d

老福

" x* U# g/ w- P- w
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？
-------
( W" L1 g1 a# B/ u8 b% o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; ]8 f' H$ P9 M5 l. M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？
-------
8 U4 ~- ?, m9 w9 a" z不好意思， ...

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
谢谢，算法应该没问题，就是最简单的线性回归。
) ]7 u& N! J$ 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 ...

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

: u. Y9 H2 k  I) H8 J5 U

老福 发表于 2023-2-14 22:00
$ h  N2 Y# h% d" W- f5 O7 M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。
: }' C0 H  n2 U7 {' Y
3 n9 j. T  R' J& b或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
' \2 x( R; f+ l3 m9 L' n' x#y = (x*27+15+random.randint(-2,3)).reshape(-1)
2 V0 Z7 K& t3 X3 s+ Oy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
3 p+ l8 @8 T* a& R3 D: @w , b
27.002620697021484 14.826167106628418

' h2 z& o3 b8 Q$ D; f  @8 e9 a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。