继续请教问题:关于 Pytorch 的 Autograd

雷达

6 F, B. r. h7 I
为预防老年痴呆，时不时学点新东东玩一玩。
! t. k0 e9 J% k) FPytorch 下面的代码做最简单的一元线性回归：
% k. U: c! R" {----------------------------------------------
import torch
import numpy as np
& Q7 O0 ^9 M: o. Y+ e7 Kimport matplotlib.pyplot as plt
import random
2 o/ G$ ^) L9 y8 C; c0 `( [- b" m
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

; j1 j% K$ P* i# u; u# |w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

3 B6 T8 w+ x; }0 cepochs = 100
% M! o' W7 e- N9 }
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
8 x4 Z2 Z3 K) q& c  y_pred.reshape(-1)
8 \% b# |0 P3 n8 I3 F3 c8 k
  loss = torch.square(y_pred - y).mean()   #计算 loss
2 O; k  g) i! j9 x2 M" s( r  losses.append(loss)
! V2 W1 m& J  j1 o, o0 H3 K1 v, Y- B  
7 T* P5 D6 ?  a. p/ M  loss.backward() # autograd
1 v2 V& X. t  p% j8 ^  with torch.no_grad():
! H: V1 |0 ^4 ~0 W% B    w  -= w.grad*0.0001   # 回归 w
& I. ~9 y5 p" f    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
- H/ m1 x( l. X7 J" s$ ]  b.grad.zero_()

print(w.item(),b.item()) #结果
1 R! K7 V9 s" r2 Y6 U
0 @. ^' A: w. v. wOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
" j4 P: H% w2 E$ n3 r0 I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。
6 S+ p2 k4 u* v6 K- d8 `; h# s) B高手们帮看看是神马原因？
  P5 ^2 \' R$ r5 R

老福

* [' n' W9 [. l! Y6 N# Q6 g
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 [# C+ z/ u0 S( w, G+ T-------
( t; r- n$ J9 ]) R2 i* [( t7 R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？
' Z# h, r3 d$ g+ s-------
不好意思， ...

) G- p; T+ a" M3 B' l* P谢谢，算法应该没问题，就是最简单的线性回归。
2 p7 K& g% `# ?4 Z- A1 j& T  }+ B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
' k$ ]$ B9 L# P& A% m1 C/ f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 ...

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。

) _& t' A% b5 y$ `1 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
; ^8 H4 G9 P0 y* o+ I# M1 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。
6 v9 \7 }+ j( q0 V( D
或者把b但的起点改为1试试。 ...

2 o) k; h7 T8 `8 F  L' ^
6 F1 ^- ?$ b8 E你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 ]) H# [6 y  G$ j4 g* dy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
# @; s# B9 j1 ?- v5 D  B27.002620697021484 14.826167106628418
1 ?8 S: l8 e, C' ]
4 C* s: a# Y+ d, v- }5 Q; F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。