继续请教问题:关于 Pytorch 的 Autograd

雷达

3 ?0 S" t7 P, ^5 Z- E8 M* l
为预防老年痴呆，时不时学点新东东玩一玩。
; [+ h, r2 H3 C! [$ M( GPytorch 下面的代码做最简单的一元线性回归：
* O6 u0 r- c2 o+ }. o; E1 X7 s% Y8 v----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
7 y- M7 W8 V, Q% Y; k! cimport random
; i% @8 D6 k1 F4 q8 H7 q9 r
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
1 A- a: s7 T7 p8 K$ S' P
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
- i/ q) E$ v% ob = torch.tensor(0.,requires_grad=True)

( s6 X% b: a; p. q2 C4 [epochs = 100
! J# L/ d+ I2 y# D& k7 R
losses = []
9 K+ G( X$ W1 c$ J' ^for i in range(epochs):
9 W' ]! k0 \, p: s4 p" s& T, T  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

' p# V4 {# s+ W1 P0 ~) C  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
3 B* P# ^7 U" Q# l' U5 Z  
2 H/ I/ z0 Y& \8 y% ?" G  P  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
* r& p  {7 r% u. v    b  -= b.grad*0.0001    # 回归 b
2 X7 G4 X# C4 i  w.grad.zero_()  
& v% I8 j) L2 c! v, i* C) f1 ~  b.grad.zero_()

print(w.item(),b.item()) #结果
9 a+ j9 \& @# Y" M- |
Output： 27.26387596130371  0.4974517822265625
! p7 W/ b; j7 ?& f. @----------------------------------------------
7 A1 c( p  A! K2 [* Y' e+ P2 H6 u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。
7 e* h, K8 j! r# E  S$ }高手们帮看看是神马原因？
& w) e# j  w2 [& q; u5 T6 }4 y

老福

" @: w! ]2 t1 ?: D. r, 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？
/ Y6 x, M2 O% P1 ]) Q-------
# w" @! {% ^9 j7 c5 z' B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
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？
) ?# n  ?0 f5 y! t# g7 V, s-------
& b0 @2 ]! N" q! D3 `  Q不好意思， ...

9 H# A9 B2 G" s) Q: e) D# D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

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 ...

* A$ T% c. J! x" v: D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。
1 w+ E9 c8 w/ L( d& w' z
或者把b但的起点改为1试试。

雷达

+ C. w  b* z. x

老福 发表于 2023-2-14 22:00
0 N% t7 h9 U) E& Z1 b$ V  ^( y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。 ...

* b. g6 |+ b% G2 L6 l
你是对的。
8 \7 R' b/ o7 p* S去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

* _) V  R( A/ V循环次数加成10倍，就看到 b 收敛了
- c5 x' t- T- b- `. B" m- ^% @w , b
27.002620697021484 14.826167106628418
" h! a% h8 [& H2 `. ~( X5 ?
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。