继续请教问题:关于 Pytorch 的 Autograd

雷达

- m3 Z  K6 |; e7 y- ]3 X* H
. L& y. T7 @7 N+ y" i/ N$ h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：
8 l3 _3 ]0 S; ?& |- f----------------------------------------------
import torch
( n$ r4 k3 n9 I. w/ T: n* uimport numpy as np
: W. h8 b; u0 n! s! b8 jimport matplotlib.pyplot as plt
import random
+ Y3 n- f6 p& i; u$ f; v
x = torch.tensor(np.arange(1,100,1))
% ~, N" C; O7 py = (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
b = torch.tensor(0.,requires_grad=True)
. f7 b3 W, s1 i" J" [
epochs = 100

losses = []
for i in range(epochs):
7 o3 n/ D$ M- m2 Y3 t: O7 T+ P  y_pred = (x*w+b)    # 预测
& h4 h0 T" `0 `- P" ]6 R  y_pred.reshape(-1)
" d3 |, O# r' L$ `8 ]: K3 x
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
7 L1 e, v# }* t- M  S7 v# P, B  w.grad.zero_()  
  b.grad.zero_()

: A5 w1 M% F( `* k! `$ }. I$ [/ @print(w.item(),b.item()) #结果
" e9 H1 w  ^2 \
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
4 |- ^8 r7 `3 I: Y0 ^; y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。
0 V3 q* b, ?$ q: _# P4 ^& P高手们帮看看是神马原因？

老福

& `# {+ n2 t- X( c9 n
+ _  v$ w' z: k3 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。
-------
8 ]7 t- q5 ]. k* l' l3 s7 x( j1 d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
4 L# G' f9 x1 j$ c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？
3 V3 a; {* F$ ^+ s2 _$ k-------
+ P4 Y0 c# E6 i: i* m. }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

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。
* T5 F/ ?& _+ |! L9 X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 ...

% p  t' z$ [  a5 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。

+ @/ g) Y0 e/ R: X& n. J, Z% a/ |3 j. a$ P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
$ L8 a( d0 G( y4 z0 L# A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。
/ j# e! G$ }4 Z* Q
& j/ ]/ g+ n9 R: D% z6 L或者把b但的起点改为1试试。 ...

8 L2 b$ ?- {5 e% Q5 q9 k% m- ?
你是对的。
3 v6 r7 \7 c) A去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
( C/ q8 h7 A6 a, h0 X1 W! L! m+ ]4 Cy = (x*27+15).reshape(-1)

' H- r2 d0 D$ I+ g! }! c4 q循环次数加成10倍，就看到 b 收敛了
# W5 d" h6 N! M+ E! A. V- H, [w , b
27.002620697021484 14.826167106628418
: }8 {/ d4 a1 K  h/ i5 r# J8 K/ X
. C! M! E- m$ a1 R0 Z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。