继续请教问题:关于 Pytorch 的 Autograd

雷达

  u; b" E" j" W( E
" Z1 }  A, Z  |& O& P6 A为预防老年痴呆，时不时学点新东东玩一玩。
1 u; ?$ f" ^# A; VPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
6 B/ S! C4 Z# {/ Ximport matplotlib.pyplot as plt
import random

) A9 @5 R# e8 x, u% ?9 k! px = 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
& K6 w* m% I. Z& x7 a0 Vb = torch.tensor(0.,requires_grad=True)
( _9 [- k( s& p. o& e' J
0 y* P7 j8 A/ Tepochs = 100

& w$ N, y6 q: C8 _: Flosses = []
/ f' f7 d; D5 v& ?for i in range(epochs):
+ ]' O7 }4 ], \3 _  y_pred = (x*w+b)    # 预测
8 n* A6 F" `+ o/ E! d6 H4 o* i$ ?  y_pred.reshape(-1)

) g5 D$ T4 z6 ]8 p" \2 |  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
2 d0 E' b! G3 L; J- o( v/ e  loss.backward() # autograd
  with torch.no_grad():
! i4 v8 E  h  m2 @$ b    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
/ k0 z. p  M/ S' \' s/ I  b.grad.zero_()

print(w.item(),b.item()) #结果

( i8 D; ?# r0 `) [# B4 v/ n9 n1 ^5 @Output： 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。
/ |. e. Q2 E4 c. s高手们帮看看是神马原因？

老福

  E) y" {4 `& S1 H( h
1 k9 L+ b- K$ n0 C/ G  o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？
-------
) |# {2 ~4 I- Q* D: o& P# ]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？
-------
不好意思， ...

# n7 [3 H* C  E: E6 q谢谢，算法应该没问题，就是最简单的线性回归。
+ n  A+ g7 G# F  n/ p4 J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
* c3 k6 e$ Q: P, b+ X+ P谢谢，算法应该没问题，就是最简单的线性回归。
# p9 G9 W' `5 h* j* }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。
1 D4 h4 i: p  l
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
0 j3 K9 E% X$ f4 U7 f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。 ...

0 {. a+ T1 M( W% {你是对的。
0 t. ]  r: v7 v+ c; g. M去掉了随机部分
) {' w2 d2 _3 G9 W9 I/ |& Q. \( |#y = (x*27+15+random.randint(-2,3)).reshape(-1)
% e3 F! N2 ]2 ~. f$ by = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
- u" h% Y+ e; i8 e* n7 W# w  s
8 l( V9 t% v+ Y- q. b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。