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。
7 d2 S* N0 {8 B2 A, f0 E3 `Pytorch 下面的代码做最简单的一元线性回归：
# E- w  m5 ]; L  O% Q4 {7 l----------------------------------------------
import torch
$ q5 V  l( M) K3 N# H& oimport numpy as np
% f' r' A! P! @import matplotlib.pyplot as plt
! v* e; f; Q- c" l" Oimport random

, q: \* B% \" f# o- Wx = 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)
0 j1 _( g# n7 d5 N
8 Z: z9 i2 ]& \# h- A- k+ Repochs = 100
$ I) O' O0 l. B' W
" y2 K, Y; S) N$ K6 d3 S  \losses = []
: k( J$ D- d& i0 q  z! ~9 qfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
* m% L2 L2 x8 c) ^  y_pred.reshape(-1)

, m0 J5 j$ @- |& z' y: Z% J  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
; A2 P" w2 Q  Z1 c. K  O  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果
  l) k  D8 s, z5 p. S1 w
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。
高手们帮看看是神马原因？
% p& l, p5 c" W  t! P4 z4 L

老福

: B1 b1 V  V) }0 R7 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？
3 P  p& H* C  I6 w8 B-------
4 U1 e3 h) V6 K& M8 c& r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
; g' D+ v. F, s, O. ~6 y- v/ L( v+ i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， ...

+ z8 |4 F  _5 D$ s7 s) l1 K! M2 R谢谢，算法应该没问题，就是最简单的线性回归。
/ M7 [7 L/ z: |0 D. t& Y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。
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。
# y, y; w& a) q
或者把b但的起点改为1试试。

雷达

+ U: A1 R& \$ T) G$ S

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。

3 O5 O/ @* }, {. ], x  K' N  z或者把b但的起点改为1试试。 ...

2 n7 A1 [# M8 e* T% q0 O
0 M+ {( K9 [: D/ c: M你是对的。
9 Y3 ~4 g$ R- z0 A# o% M去掉了随机部分
: k' v+ x, ^" p- H0 A#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
) k# ?( B* Z% j, Bw , b
% F9 }5 c6 i. h) r( }; O- a  F27.002620697021484 14.826167106628418
/ e1 j3 s% \) J- @. e
! g. l" v" B5 x+ U& k4 l% l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。