继续请教问题:关于 Pytorch 的 Autograd

雷达

, ?) y# L; q& {* Q7 _# J7 _
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
9 q" `/ \7 u7 b% }$ iimport matplotlib.pyplot as plt
import random
. i- T2 A- C  I! u0 p- `9 `
* i  [7 K2 E/ r+ P3 U1 [5 M, N% nx = 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

/ u7 k  I7 p- ~0 H9 P: g- l8 zw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
; [2 b& Y% a# J+ u9 Zb = torch.tensor(0.,requires_grad=True)
- B8 o1 _2 X+ N% j/ Y$ B4 t1 q9 P
epochs = 100

) i- v( N$ I( C6 f* Ilosses = []
, `. S4 c$ X8 ^: b2 N2 dfor i in range(epochs):
' d8 {6 o; j/ e$ n  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
+ I# d; S; U, [; t0 {4 D$ B9 u$ X8 z
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
+ D/ i9 d% M& x. d! N9 T    w  -= w.grad*0.0001   # 回归 w
6 d" u: s* H3 G7 a/ W    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
  T1 T4 \8 @+ N( v+ d( I
print(w.item(),b.item()) #结果
3 O  p5 }/ R6 [3 S
7 i+ I7 k9 R1 p7 Q$ {" N: DOutput： 27.26387596130371  0.4974517822265625
8 M& g- F) ^8 G----------------------------------------------
3 F" c. t' z" o$ {* e+ i0 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。
# E3 p$ V6 w) N8 r! z高手们帮看看是神马原因？
# U/ z2 o1 |2 Z" e& V2 @

老福

3 P  i* b1 g+ @
$ W6 \/ l  l( X1 Q  D# X6 Q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？
+ ~3 }7 k) ?# h$ N- ]-------
$ f- s1 c2 R! h; x# 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。
+ B" C  `9 h5 y/ ^" _; C0 G3 F-------
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？
$ l+ G8 P2 ]' K$ M-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
* N4 i3 N: d: u9 k) x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

' W, s5 K+ u1 D; D  a

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。
* t. l6 D2 C. z1 e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 ^; O3 f& D7 [% D
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
& D' P2 w) l# w+ d* e- E  }+ A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。
' l0 B- o* o8 f; c0 H9 @
或者把b但的起点改为1试试。 ...

; S2 C' H8 N0 c" A, J
你是对的。
& ]$ t* k. Q1 ^% {" [去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
3 `  G1 g; t, ~8 ?y = (x*27+15).reshape(-1)

) N1 r: w  \. m+ q, @6 w4 {循环次数加成10倍，就看到 b 收敛了
1 d5 [7 {& @. M  x) T2 M+ |w , b
27.002620697021484 14.826167106628418
6 o& `8 c* X7 }! D2 T" ?
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。