继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
$ C) ?4 l6 E. [, BPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
2 a7 h( e0 ]5 m1 |/ ~% W% @% Limport torch
+ c1 X/ I7 C% X6 o% Z: W$ kimport numpy as np
' q% k7 e/ k  }+ I! K6 M6 }import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
+ c: H; C' k" i( \8 J& q$ wy = (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)

epochs = 100
# s/ I( m& `+ q( |
losses = []
1 ^5 l' u) b; e7 p3 `( H/ dfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
: ]  m3 _. w8 y8 ~
# j3 i7 q% b, F9 B6 E- ?, f  loss = torch.square(y_pred - y).mean()   #计算 loss
9 I1 d$ C& |( T6 b$ u' k  losses.append(loss)
  
8 Q) d, `( h: W% x0 G: U  loss.backward() # autograd
$ W& ^, b& u8 d" H$ n5 ~6 B+ P  with torch.no_grad():
3 v  u4 X0 c7 ]8 z2 Z, C! r/ e6 B    w  -= w.grad*0.0001   # 回归 w
- ]- E4 `2 [& n  v1 Q6 ~    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
& S7 o, B( h5 l: Z
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
4 U3 V  u1 W  v  q) s----------------------------------------------
/ Z, \" T9 b8 H. E; ?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。
+ m. f# t( Z  _. m高手们帮看看是神马原因？

老福

7 B1 |# D  K, @& k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？
1 L% ]. @3 ?- m/ h+ q8 G( _-------
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。
% q! T8 K7 L: y8 x2 E-------
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， ...

) e2 ~/ I& \3 u: i8 |: T谢谢，算法应该没问题，就是最简单的线性回归。
/ [% Y/ ?* B7 V: P$ S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

' p0 x8 k: `! y8 ]

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。
$ r- v; J* _- G; y: K& X& p" ~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。

) P3 H. `7 P+ T6 l% ?5 o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
8 k! l! \- {7 K. K0 z* k3 Z6 t" T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。
! T4 g! P' b/ j9 ^7 i
, U2 |: \. e+ U5 a! r或者把b但的起点改为1试试。 ...

: r6 R% C2 G* `" d; \  s. F- N5 U
你是对的。
* U8 Z* ~! y" a/ u) h4 \# M- w. J去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
* D7 g1 s$ A+ g: O- j: w; s' ]+ l4 c
) J6 }; C( o$ b) U  x8 ~( D9 M9 }循环次数加成10倍，就看到 b 收敛了
, W! Q9 g1 `- \  g9 d, h/ ow , b
1 C. y2 |8 L; L5 ~! Y0 w27.002620697021484 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。