继续请教问题:关于 Pytorch 的 Autograd

雷达

: X* Q0 W- \4 F- ^/ C! ]0 j为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
) c2 B$ M3 J  ]7 m% @+ Jimport matplotlib.pyplot as plt
import random
# y& X+ @- l- l  ^
. ^4 m) a" b0 w' Xx = torch.tensor(np.arange(1,100,1))
/ Q, S$ X' L" qy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
/ `; y2 m4 z3 F3 T0 r1 Q. n
: w7 z& H. ?. G! q# s/ ^9 W0 n' Hw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
8 c  a7 q& X4 `4 K0 f
; N% Z6 c' C# Xlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
# W% t% s8 [9 U9 r$ ]
2 J$ \# c6 ]- L9 e  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
( L( z0 z! `2 x" I  with torch.no_grad():
9 Z; k9 X5 v2 h- r4 S, r6 Z+ W# e    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
% e# R* F) `$ w% y) y  b.grad.zero_()

print(w.item(),b.item()) #结果

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。
2 W' E7 I: f; B0 w9 q) E高手们帮看看是神马原因？

老福

8 A( G* f2 l! W  r- q. M
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？
-------
# ]! q. D1 ^) n  Y. S& d0 U. A不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
7 G* p8 k( P0 L/ `* G% 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
谢谢，算法应该没问题，就是最简单的线性回归。
2 w* c' d+ o5 X; n5 ]2 @7 H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 ...

( H" a7 Y! F( D' U! ]' X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

& Q+ o& I  e6 O' B/ Q3 N

老福 发表于 2023-2-14 22:00
# u" v& o" b8 e2 Z9 E! P" z4 l$ ?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。
* C5 w7 O* z) u8 H. k$ S* B" s
3 [% M1 G+ F  ?+ o/ W' d或者把b但的起点改为1试试。 ...

你是对的。
4 \! e$ ^. }$ x' c& b0 X% Q去掉了随机部分
7 s: C: u) i) A( b0 G% C# O#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
5 a9 u+ i3 B! t& Dw , b
" c+ v, m+ v5 ?27.002620697021484 14.826167106628418
6 F( g# `; T) z8 g
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。