继续请教问题:关于 Pytorch 的 Autograd

雷达

1 w: }' [5 Q( d$ c3 Q; J; T; T
为预防老年痴呆，时不时学点新东东玩一玩。
# ^5 y2 @7 G5 {% ~% @9 Q+ V  vPytorch 下面的代码做最简单的一元线性回归：
# {1 N  |. k* x6 i2 f( ~----------------------------------------------
import torch
. U5 j! b5 @7 @9 ?6 ^import numpy as np
import matplotlib.pyplot as plt
% @6 F2 N2 c/ V! O" Oimport random

6 k# Z$ f) Z2 A( x7 _; z& x9 v1 `x = torch.tensor(np.arange(1,100,1))
1 U# w8 n8 Q0 j5 g/ ~5 @y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

- q/ d; c/ l/ r: X! |# i: o( h$ Sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100
' B0 T( u; x( U4 q
losses = []
  g" d$ L" S' q% {$ Wfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
2 D$ N) m) @  a; J
7 _) E  }7 m; r* q  loss = torch.square(y_pred - y).mean()   #计算 loss
; d- y0 ]/ a4 M% ]1 i& P! k  losses.append(loss)
  
  loss.backward() # autograd
* [; N4 }9 y* U. N& v  }  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
% s: a& m: Q' Y: Z1 z    b  -= b.grad*0.0001    # 回归 b
* W! c7 Z" m6 o! P6 t9 H  w.grad.zero_()  
  b.grad.zero_()

" B& D& O# P' @7 h( Vprint(w.item(),b.item()) #结果
* ?$ U7 j1 Q) V8 w. D
$ K: J6 `) J2 p  ROutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
" ?; R- c/ ]0 q! Q# a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

3 [2 Q$ h. J$ l, J8 ^$ f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。
& c9 u( m; o6 u, k4 @2 b( C1 j-------
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
" v" w* j  F# V* ]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？
0 a' H3 A; l8 i: i-------
+ J4 m/ ?' W2 N" B不好意思， ...

, j; l; ?  }" V% n3 k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

7 m7 o# @) w  {; n& ?- p$ Z

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。

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
' x" v7 j1 M' q) u$ a  t4 U& X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。

或者把b但的起点改为1试试。 ...

5 }" B8 {) d2 q* ~3 C& v
你是对的。
去掉了随机部分
$ F5 F8 q+ D6 N  ]#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
w , b
, L/ d" g& Y+ @. F' E: V* n27.002620697021484 14.826167106628418
, ^3 P6 `" m5 g9 |
* o: }; e$ h  P0 V/ E4 B3 T! ?0 d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。