继续请教问题:关于 Pytorch 的 Autograd

雷达

) C: c; _( c9 o1 O  `
5 D5 y" K% R& }9 o为预防老年痴呆，时不时学点新东东玩一玩。
. t2 K% O& G. r5 N3 h* a& F1 u9 j- j* JPytorch 下面的代码做最简单的一元线性回归：
2 o( h: d- {% f: L. D----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
$ D) N/ W; ~5 m7 A9 f0 a/ N2 `; wimport random

x = torch.tensor(np.arange(1,100,1))
9 x" N+ V0 C! M* oy = (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
b = torch.tensor(0.,requires_grad=True)
" c- r) D1 {# Y" \1 A% i
. `  k. g$ [- Aepochs = 100
+ T6 d  h) }7 f
' \$ \: n8 o# m9 c  D: P! ~* Z0 b  }losses = []
" [, j' X0 G+ W* Q9 v: ^! B% a1 Xfor i in range(epochs):
: {, J  Q. X( {+ c& }  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
- y( v7 l7 O- |$ p9 |5 \6 ?
5 ~' `7 ^7 n! U" O' L& ?1 B  loss = torch.square(y_pred - y).mean()   #计算 loss
! U1 }" E  @0 u7 Q  n2 ~5 m  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
! Q; o/ f% h; b: V    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
! j2 z) Q) @2 M  p5 x+ J6 u! B  b.grad.zero_()
& @4 J. {6 m! \" k" U% M' k" M
7 V; R0 @  C6 H' Yprint(w.item(),b.item()) #结果

2 ^9 o% v: |1 c  T5 L% B2 kOutput： 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。
高手们帮看看是神马原因？
% d2 ^3 _4 p6 b: H4 P2 ?* Y- b

老福

- ?- ~% R  p* Q: 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？
& L; I" j% v3 m  K2 [-------
9 ]3 a8 \! ^5 Y, g  a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。
7 L) L$ X' o7 n! [* I, J3 _" k: ~-------
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
1 ]6 D% \0 Q0 X8 d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？
-------
1 f3 p) u9 i8 }6 q不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
2 b+ w; x0 H* F2 \7 Q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 s/ [; z* A  a- F$ `9 T& T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。

或者把b但的起点改为1试试。

雷达

8 D3 P. {( h$ o4 `9 M

老福 发表于 2023-2-14 22:00
7 O' H' b% s( `# N! I1 o% G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。

2 v- B. \* b; q+ k或者把b但的起点改为1试试。 ...

4 ?6 ?( P9 f; `+ t. n" q* h, b3 ?
你是对的。
去掉了随机部分
+ o8 w0 y% j/ `- b6 z#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, o# e7 \) [* {; U9 U; vy = (x*27+15).reshape(-1)
+ o# c- v! p$ w% `* H
循环次数加成10倍，就看到 b 收敛了
8 s% b- O( V6 d% J! g7 qw , b
27.002620697021484 14.826167106628418
9 c! H1 o% {* I
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。