继续请教问题:关于 Pytorch 的 Autograd

雷达

2 D' X0 ]9 X* q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：
  d  d: z0 c% ]1 z3 U----------------------------------------------
import torch
' U3 s4 d6 X4 vimport numpy as np
import matplotlib.pyplot as plt
* y" E7 B( e- N! fimport random

/ G. E0 r8 v  O9 [4 O3 w1 Ux = 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
  D# R" h) N9 i- q' fb = torch.tensor(0.,requires_grad=True)

; ]  [, Z( e& w7 m! W+ Mepochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
4 l1 _8 c3 g# [, h  y_pred.reshape(-1)
3 s, U+ B( ?' C: S/ v0 X
  loss = torch.square(y_pred - y).mean()   #计算 loss
! L0 g/ {1 q9 ^8 ^; K5 O4 w1 P) r  losses.append(loss)
  K: [. G' v" c: V  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  u* r& g% K- @0 x7 n  b.grad.zero_()

+ K8 l" A) w- A7 S0 vprint(w.item(),b.item()) #结果
9 R2 K# J- R, c
5 E3 S8 P4 M2 \# w# }7 OOutput： 27.26387596130371  0.4974517822265625
" n; A2 @3 J, ^5 H2 k! A% }6 G----------------------------------------------
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。
  j) b! g- k# S1 v高手们帮看看是神马原因？
6 g% ~$ p* R; r! g$ `

老福

+ i2 H7 T. t  j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。
" O! l5 F4 k7 M8 y-------
  Z+ B, A& e# U; p! Z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？
: I+ _$ n5 ?9 {+ f' {# a8 I0 v-------
2 s% i- }  \% A' }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

4 {$ q( y1 g3 L

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
! D0 B0 m2 X, m/ G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。
2 s+ a# t2 c: \
, Z$ ~) u' n! ~9 V  `* \或者把b但的起点改为1试试。 ...

. T9 U9 `# P" g* c
1 J4 A, H. J' z0 B0 ~1 m$ [8 \你是对的。
) N. z* W) S& I去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
+ t! \- v8 b+ O4 m
循环次数加成10倍，就看到 b 收敛了
0 M. u# E; k5 s. m8 ~w , b
2 w: Z6 @" e3 @* }4 @27.002620697021484 14.826167106628418
, y& n1 Z: w1 O2 C- 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。