继续请教问题:关于 Pytorch 的 Autograd

雷达

4 M# u0 p* }8 _. x6 c. P. Y& a  G0 X, G
) v' z% {) v3 B4 e6 S( B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：
% E$ K4 H: w: [! z; o+ z----------------------------------------------
5 ]" \0 K. u9 {- o+ K6 ?import torch
$ T* U! ~; |: i6 m9 c2 p4 Zimport numpy as np
2 X' w/ q$ A# Mimport matplotlib.pyplot as plt
3 F2 F( G7 U0 D* [' G7 Y# H9 rimport random

x = torch.tensor(np.arange(1,100,1))
+ _8 p8 o- k% ^  d, z, my = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
" l) V/ [1 b) O
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
! ^$ j" Y9 Q+ H; c9 k$ V- m7 Z% `b = torch.tensor(0.,requires_grad=True)

4 F$ t. L6 K0 i6 w$ eepochs = 100
- w" H1 ^: K" q2 `* o
' S# @* `6 j* w' ^4 B# S. Jlosses = []
2 E7 L: e0 h+ I# t! _5 @for i in range(epochs):
  y_pred = (x*w+b)    # 预测
2 d- k3 A+ q) r: p3 W. h  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
7 l* S: E0 W: O' u" l  loss.backward() # autograd
1 k, o& i# v) U- E  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
& J5 t$ O! \/ `; e3 |  w.grad.zero_()  
. ?& B* p. i6 X  _# U( b  b.grad.zero_()

* j8 ^" X! Y+ d+ F) Qprint(w.item(),b.item()) #结果
4 m" u6 d/ w: `; X
Output： 27.26387596130371  0.4974517822265625
, X, c7 U; Z# }& q- e7 d+ Y4 ?----------------------------------------------
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 [6 m% }( c% k( @; o9 I$ b高手们帮看看是神马原因？

老福

: }1 ?1 [+ x4 C6 I3 z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？
-------
& p! F  {0 [. E# 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。
-------
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
% ?! W4 r* |) R: v5 Y' n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？
( R( M0 d% l2 H1 V4 O-------
# |* w% I5 o. \+ N. i不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
2 @: s# q: l2 ?! ~% P+ v( 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

4 ]7 I9 w; v' v) S  i& a; f

雷达 发表于 2023-2-14 21:52
# x8 N" s) h3 N" P0 J6 o, ~, N1 x3 W, }谢谢，算法应该没问题，就是最简单的线性回归。
  C' A* w2 n2 ^" J2 G( B7 ?: M: B2 G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 ...

- }9 L, v4 U9 I! f% V& b
: y# Z8 D# m% |0 k( E  v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。
4 t2 p! g+ y" s' A5 q
或者把b但的起点改为1试试。

雷达

. q2 M3 q& V$ }

老福 发表于 2023-2-14 22:00
# ~; h, U, m% d& U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。 ...

+ T0 [0 A; B/ F( \/ m% _9 @( V: ~/ y
$ s" P+ g9 w2 E' b9 V9 b8 n, }. d  {: f& x你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
) T3 h- U/ P- Oy = (x*27+15).reshape(-1)

% @- ?# q) b- m; L5 O循环次数加成10倍，就看到 b 收敛了
* y. M; n5 y9 jw , b
27.002620697021484 14.826167106628418

; L. N" r+ F  {: q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。