继续请教问题:关于 Pytorch 的 Autograd

雷达

; y4 f- E1 j8 r+ V4 ?$ L
8 q0 |! I5 t" t( }. ~! d为预防老年痴呆，时不时学点新东东玩一玩。
# H: F6 f8 ]9 J4 P& f) \; t/ CPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
/ C9 Z, H- T9 C$ e: K& N- M6 }( e9 nimport torch
import numpy as np
import matplotlib.pyplot as plt
; x; U+ P2 ]. v, {# Fimport random

0 m* r6 Y* W: w1 S, G* J9 _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
; w6 w3 r0 q, L
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
+ c0 T* N' j  L, L  B' \b = torch.tensor(0.,requires_grad=True)
% Y( e' k+ X4 v' I- J: n
epochs = 100

losses = []
for i in range(epochs):
5 Z/ w' _* d. V- h1 z  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

; M) _$ q' F- W$ Z  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
# e8 W* f# ?- L. v6 A  l$ M  
7 T3 \7 o: c# S  loss.backward() # autograd
* Q" J# Z. Q0 S! ]  with torch.no_grad():
1 |/ ]" h& O7 U8 L1 P2 Y- g  t    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
. F8 g% d7 z5 s: D! T8 e2 S  w.grad.zero_()  
- t& o) ^1 o& Q; M  b.grad.zero_()

print(w.item(),b.item()) #结果
# ~* U. j5 O. o3 D9 h6 [$ g
- h( \( G* K  U5 LOutput： 27.26387596130371  0.4974517822265625
+ q9 P) |/ e1 ~9 o! }; L( v----------------------------------------------
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。
6 N0 e' L1 h( X$ z  {9 K高手们帮看看是神马原因？

老福

5 l7 l/ j% d2 B! }1 S4 F' S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。
-------
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？
# z& P; @4 {- o) E- A+ R-------
不好意思， ...

6 E  V* X4 [  w" G% N: }" Z谢谢，算法应该没问题，就是最简单的线性回归。
+ A* i# k* a/ G) ^( L* e7 g4 R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

' r1 ~( x! G% Z( G( H, |

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 M. h( N! W8 P0 w( X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 ...

* W5 Y9 h! y# T- l$ T
' G9 X! n7 Y$ {  D( [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。
+ y9 x  o5 t+ L5 ?
! {5 g$ p3 P/ {2 [* O0 E或者把b但的起点改为1试试。

雷达

( ~* G3 X# ^! O

老福 发表于 2023-2-14 22:00
% M* N4 `: ]9 o8 f& 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。

或者把b但的起点改为1试试。 ...

7 s2 p1 ~1 Z, F$ y9 L" F2 d: H
你是对的。
去掉了随机部分
( {- w: p" g8 i: ]#y = (x*27+15+random.randint(-2,3)).reshape(-1)
! m( c3 {2 o8 \y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
, v9 l5 f: C$ U2 f) i; y1 xw , b
27.002620697021484 14.826167106628418
  S: A5 p7 ?" e' r, o) @* g5 c
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。