继续请教问题:关于 Pytorch 的 Autograd

雷达

! w5 @$ [8 M3 K
6 W, m$ M: g8 |* w5 b  A为预防老年痴呆，时不时学点新东东玩一玩。
4 N" c, r+ g2 UPytorch 下面的代码做最简单的一元线性回归：
" g% S0 R1 ^1 s- Q----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
/ X& B; I0 n5 A: L# v# ]import random
5 j  C* }& b7 p8 l3 g. c3 D- e
0 @$ L: c1 w3 _# ]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

# B' t  c2 c9 E/ H' K% |w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 `' Z7 N  D! t9 S& ^8 @b = torch.tensor(0.,requires_grad=True)

3 V* t% v' e6 G* P' |6 |# Pepochs = 100

losses = []
for i in range(epochs):
. z( B- U4 b$ h$ g  y_pred = (x*w+b)    # 预测
; G9 A. X' o2 M% l  y_pred.reshape(-1)
, ~9 E+ q+ r" t4 J7 v6 y
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
8 x1 E$ m9 q% b  with torch.no_grad():
0 U$ G/ Z* y" R' L    w  -= w.grad*0.0001   # 回归 w
$ \6 |  S# g: Z1 X) @: X    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

* c  h* l- M$ @2 K0 Q  [: Zprint(w.item(),b.item()) #结果

0 f1 R4 b  w- o& E6 k0 T8 VOutput： 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。
, Z8 \' E: B' i$ c高手们帮看看是神马原因？

老福

: `( P( N) K, b" F) 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？
- `0 w0 c+ ^' O; b. I. i- H8 ?1 L/ 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。
-------
: U! w" x: ~- [/ m2 Q( z0 n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？
2 O5 ^) l" K% j5 V( ?-------
) I, r, h* Z- D+ B  y5 N不好意思， ...

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

" @1 G: n+ s( U$ H

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 ...

' S: o2 @6 ]  X
& l; g% z% o8 d( v. @* s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。
% X3 @% [* X) u' P! X& H6 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
! T1 V5 X" M$ D0 z; T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。

  ]/ _; U/ J9 y0 u/ v8 r& i或者把b但的起点改为1试试。 ...

% U7 \6 P* b  L; P. Y2 H/ A
你是对的。
4 O3 ~& T( V3 Y) d$ k$ h# ]去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( D. F) J1 U) x! ~/ d- @y = (x*27+15).reshape(-1)
# u( h  V$ F" o4 d
* _/ J# ]8 i7 e  ~5 A7 q循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418

$ o3 B- `+ P: t1 R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。