继续请教问题:关于 Pytorch 的 Autograd

雷达

; R7 T1 b& _/ K& l
0 D( N1 c' g0 u6 Y) O* d为预防老年痴呆，时不时学点新东东玩一玩。
" ?/ e* a/ x; SPytorch 下面的代码做最简单的一元线性回归：
/ F+ |% I; I* r----------------------------------------------
( U7 ?% M  m) A. Bimport torch
) w6 ~$ q* X: ]$ Yimport numpy as np
* h  z- C0 k, K) _, |/ K* o1 }import matplotlib.pyplot as plt
import random

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
b = torch.tensor(0.,requires_grad=True)
! o( c# q  V6 Y, D
5 \5 z+ b5 G4 E- X/ S: Yepochs = 100
3 t: k; I# w0 h9 j0 h: L1 r
losses = []
for i in range(epochs):
3 J! V' p6 A, _% n  y_pred = (x*w+b)    # 预测
: h2 t5 H3 ]9 G* F8 p  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
+ M) X1 m! _! q) C6 n  losses.append(loss)
! \, ~& \+ H0 h: y  
  loss.backward() # autograd
  with torch.no_grad():
2 W: p' X- I& Y& C    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
* `) t5 E: W9 }* L! ^( ~  b.grad.zero_()
, A* I# Z& O7 G7 t8 c4 I7 C$ J
: ~: P' V! i9 S. N- G4 kprint(w.item(),b.item()) #结果
# W2 q) Q2 w8 q' s1 N4 I
" U2 C5 }9 [0 Q! V8 x, Q8 K0 mOutput： 27.26387596130371  0.4974517822265625
1 N7 c3 k. 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。
: v, V) K' Y; R: [8 Y7 v高手们帮看看是神马原因？

老福

2 c* M7 ]: l( E* `) Y) e8 q6 L
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？
3 R6 x$ y9 q) _4 a6 n/ R' \-------
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。
& m; c5 Q8 M+ ]- S) ]$ K- Y-------
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？
$ B! g9 n' o0 V/ [4 _) b& |-------
不好意思， ...

. x' ?1 z& b$ c2 C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
) d% D2 z: k7 j" K& C7 F; Y谢谢，算法应该没问题，就是最简单的线性回归。
7 ^, |) ^  V' ]6 O, |) z, [" 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 ...

2 m: M7 f  W0 B4 p: y7 e9 \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。
4 [% [0 W2 P# a5 K+ C) @# ^. c
6 p3 w2 }5 L1 T, S) b$ s% M- n. n或者把b但的起点改为1试试。

雷达

' ^& N" }9 e. R4 ]

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。
* G4 M$ t- H  k, e$ x
) @' H0 A# i9 c! L或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
. R: u7 D" G: [: [8 c( ~- k#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' M& p1 {) y0 zy = (x*27+15).reshape(-1)
' A- i' Z5 c% \, j! m- R
, J* ~$ E9 g" x$ g循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
; X/ c8 h( m: M
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。