继续请教问题:关于 Pytorch 的 Autograd

雷达

# d- N  `6 I2 _/ U0 S
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：
. X7 F& O6 a# o* a) |0 `( r9 c----------------------------------------------
7 Q# B! x8 X9 P2 E- \import torch
import numpy as np
import matplotlib.pyplot as plt
import random
$ P* _( d: v4 a1 A
1 g. R* X+ I6 l8 H! [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)

! Y; W5 H( s6 X. a, R5 |epochs = 100
8 H; O9 s. V! ~* r% E4 [( `
losses = []
for i in range(epochs):
) M# ]# A( U2 j9 ~/ k2 `  y_pred = (x*w+b)    # 预测
0 B' e2 Y' ^" P  P7 ?  y_pred.reshape(-1)

+ z$ t$ b. p, T7 V  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
5 B7 M# }  ?( P4 Y, m  e4 n  
  loss.backward() # autograd
  with torch.no_grad():
$ {; @1 W# h$ R! O    w  -= w.grad*0.0001   # 回归 w
5 w; Y; P3 o7 `0 e8 @# U; Y    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
! v) m& ~) t; }# Q( i  b.grad.zero_()
3 W3 |) M/ ]" }8 j
# h, G, Z+ M- sprint(w.item(),b.item()) #结果

; f7 f& ?2 M0 `: M1 pOutput： 27.26387596130371  0.4974517822265625
2 m  D& ~. U0 Y! k7 a----------------------------------------------
8 g1 t* ~$ s9 r( y# `3 n* `' [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？

老福

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。
7 p3 l0 T, g+ ~: |' c; t* W-------
; O; K, J  _0 C$ }' n8 _$ L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， ...

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

: J, G% }$ ^* w  y8 c5 o. o7 E

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。
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 ...

0 O6 Q8 v" y" V1 G( A; Y
9 M5 B. K2 Q8 ^: 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。
, T8 ^4 M% b- c2 M
或者把b但的起点改为1试试。

雷达

' J# ?' ^6 O: p4 w$ i, u2 [) Y! @

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。
; y* f, a% ]! d
或者把b但的起点改为1试试。 ...

! r* O" I6 Y9 s+ }5 f你是对的。
去掉了随机部分
$ ^) K* F# d: V  J7 D#y = (x*27+15+random.randint(-2,3)).reshape(-1)
, a! @/ E6 [9 S* [y = (x*27+15).reshape(-1)
) p0 w9 n" f- Q- q
循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

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。