继续请教问题:关于 Pytorch 的 Autograd

雷达

; K5 J* f8 ?  v/ a7 S) T' {& m9 a! J
为预防老年痴呆，时不时学点新东东玩一玩。
1 }  p1 J, g4 GPytorch 下面的代码做最简单的一元线性回归：
: m0 Z; F! E+ C----------------------------------------------
import torch
4 r4 i+ Z1 T0 X# e. a2 Pimport numpy as np
import matplotlib.pyplot as plt
/ g8 D" y) y5 q- q$ eimport random

: Y9 K* N7 ~* t2 d& P' ox = torch.tensor(np.arange(1,100,1))
1 z" f% w  ]$ x. ty = (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)
7 Z. o) |( V9 z! ?
epochs = 100

! H: |& X6 j: z7 a0 `8 o% vlosses = []
3 C9 l* T6 R5 B9 G9 T1 ifor i in range(epochs):
* C2 H/ P4 |$ ]9 a' q5 W) B  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
: E6 j$ b% E% E! }  G# }9 ~
( f5 v0 B! E/ w3 Z& J7 ]% c  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
+ _7 u& X, \# ^  
2 e/ ?, r8 J* n* m2 [  loss.backward() # autograd
! m% m2 Y3 q: ?6 \  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
" ^" T: ?( h: Z  X) a0 o/ r/ t  w.grad.zero_()  
  b.grad.zero_()

! B4 S2 N$ c8 Y5 Z4 Aprint(w.item(),b.item()) #结果
$ `- }: L1 @5 j: e, d
! p- l; L9 c1 {: M; P# ]% o% `Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
1 w$ K3 y) _( H! A8 Z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。
* B" v; {5 s3 W& z3 o$ Y+ f高手们帮看看是神马原因？

老福

2 h9 ?% H# l  q
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。
6 y' n/ w/ n. Z; y/ W8 }-------
( [: w- B2 `1 t/ F0 [& \$ ~0 U8 @! x2 a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？
% M8 ~  n* O% W# k' H2 q* F-------
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

: I3 U' Z+ w- q9 I4 ]& H5 p/ ?3 [: \- Q7 b

雷达 发表于 2023-2-14 21:52
/ \5 a& |  L% h9 s# U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 ...

$ _3 d3 q2 A' t4 T9 B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。

) Y2 Z2 u& o. ?0 I- Q1 a或者把b但的起点改为1试试。

雷达

2 |6 X: u2 o" Z3 K6 p) ?) f" z9 w4 v

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。
; U# W, m9 N5 a4 \
或者把b但的起点改为1试试。 ...

! z9 e- X4 `6 ]
. ^- s# _" l: H- i你是对的。
- z$ U; d: V5 n去掉了随机部分
; y1 f% W4 M# R  I8 G#y = (x*27+15+random.randint(-2,3)).reshape(-1)
4 b4 x% [! w' S$ Ky = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
; C3 @% ~$ J: u4 g2 A2 X27.002620697021484 14.826167106628418
2 A- S5 B* m  p; m+ s+ _  j
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。