继续请教问题:关于 Pytorch 的 Autograd

雷达

: G$ f" O5 h2 _6 [  Y为预防老年痴呆，时不时学点新东东玩一玩。
/ j5 X- `# ^8 F; D" bPytorch 下面的代码做最简单的一元线性回归：
. Y$ [( l8 [  f% Y3 i----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
$ a% D) k5 s  [* e7 I, pimport random

  K+ n# \. w" _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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 Z7 |* M0 B( D, F+ W- F/ Hb = torch.tensor(0.,requires_grad=True)

7 p( ]& U2 F( b4 yepochs = 100

losses = []
1 G% @  J/ {9 H* d6 d+ mfor i in range(epochs):
5 _6 B9 Q5 d; G7 ]  y_pred = (x*w+b)    # 预测
; F0 @. `$ X! X! G: t  y_pred.reshape(-1)

: S  }- }7 U* d, `* S  loss = torch.square(y_pred - y).mean()   #计算 loss
3 w3 d+ `; l3 n0 G" l. s  losses.append(loss)
  
5 _8 L) j' E2 N& H0 H- O  loss.backward() # autograd
  with torch.no_grad():
4 y  g0 O. b+ f; M) C" X    w  -= w.grad*0.0001   # 回归 w
2 T. S1 }4 w% ~7 k    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
% s0 Z5 |- C! Q: d5 j: D  b.grad.zero_()
9 W4 J1 e7 D1 g+ c9 \! e
/ a6 Y# ]6 e/ X4 Cprint(w.item(),b.item()) #结果

8 u* s# o2 J0 ]1 gOutput： 27.26387596130371  0.4974517822265625
5 C. g. R( J' z( b9 V  ~----------------------------------------------
, {* Y8 L- Z% |6 k5 {, W. Y/ r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？
% ^/ k  B! ?, c; f

老福

2 y. r% W9 O+ Q! P5 Q5 G  g
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。
1 e; f4 k; C6 n8 n$ M-------
! |+ j5 e6 m! w8 `3 Y& g5 W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
7 f6 ^( n% L! ]3 P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， ...

谢谢，算法应该没问题，就是最简单的线性回归。
5 m3 E+ |: F& a- B& B  {$ @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
2 g3 k: Y6 i; m5 n" g+ i7 O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 ...

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。

. i2 w; |" Z: q3 [8 r4 H或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
/ a- G! Q* x3 L, E- s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。 ...

* A) g" ^" J8 R9 C' H0 c
你是对的。
8 u1 C- k. j% H去掉了随机部分
' v9 |2 ]3 E5 g- ~. S) |#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 R3 p$ z. z/ q0 v0 ]! N" W, y; uy = (x*27+15).reshape(-1)

& Y& r& L1 f9 l* N循环次数加成10倍，就看到 b 收敛了
# D6 q& f; J/ N% nw , b
1 e7 |, X$ ]; F& N: p27.002620697021484 14.826167106628418

2 O- w. {. a, x  f$ f4 p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。