继续请教问题:关于 Pytorch 的 Autograd

雷达

! u+ |$ H/ |' L& {
为预防老年痴呆，时不时学点新东东玩一玩。
  _( M) [; J' H1 u' b2 y& _; vPytorch 下面的代码做最简单的一元线性回归：
8 g2 P7 v6 a4 t6 a& c- @' ^----------------------------------------------
import torch
3 j% @& x$ v  L! f# a" fimport numpy as np
+ R. T- ~" V" R+ ?import matplotlib.pyplot as plt
import random

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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
& ?# M/ L/ V, U/ T/ R7 Vb = torch.tensor(0.,requires_grad=True)
( U2 K0 J7 {8 l7 d+ r
epochs = 100
$ |! E8 H) z7 q+ E) ~  l
! n: `# y+ [( R- dlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
8 a+ h( }+ G6 f4 k/ ]% U  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  j! Y' V" `: g4 e8 m  losses.append(loss)
  
1 T: Q- C6 T- H3 V7 E( ?) f# ^: D  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
% F" E1 P& O' _2 h+ {  w.grad.zero_()  
  b.grad.zero_()
6 A! x; c& Q5 g- l
print(w.item(),b.item()) #结果

* ?! J' ^; z& h2 u* HOutput： 27.26387596130371  0.4974517822265625
2 P8 y! k% m% L- ~, w----------------------------------------------
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

, x; J2 L3 J. h5 d
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？
! M8 L9 L8 j/ E8 F# J1 O0 c-------
: n& V* |6 O: W+ q9 H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。
( ], _4 j$ Q7 A- J; i/ x$ B5 @-------
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？
+ K* u* ^9 ?+ g8 o! B' @% z-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
) |0 H  @0 u+ k6 o0 c1 P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
& m7 |/ @! q7 s" _( D9 A% X5 h! m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 ...

" N# w7 [) U0 }. l8 X9 v$ ~
0 E0 A) ~1 J$ ?3 d# L# q) 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。

7 B7 W, r+ J; \  u/ I5 T6 i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
1 ^# d9 D4 ?$ n  z1 j/ p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。
5 i" E. D% y. \& N  r
或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
* V0 o, l+ m2 |" k  ^/ J5 S. f$ f: Fy = (x*27+15).reshape(-1)
5 F+ Y" w& K5 i& n
' }& N  L; ?8 |% D9 ]循环次数加成10倍，就看到 b 收敛了
) x; o/ n' Z- G+ }, G+ Jw , b
) `: ^5 K. S2 t: M27.002620697021484 14.826167106628418
* @+ I  D. {9 M  v; }
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。