继续请教问题:关于 Pytorch 的 Autograd

雷达

' _8 t- K$ ]9 w2 Z为预防老年痴呆，时不时学点新东东玩一玩。
3 ^) u, K/ s: Y* A3 ?; y4 ZPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
, ^- ?$ i6 @0 `0 Mimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

, E! V/ i" n; ?7 X$ C* Q, E# _x = torch.tensor(np.arange(1,100,1))
  L& h' ]" R  S" `) vy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

; [3 S7 e! u+ x+ Bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
! m, x+ a  R0 q: a% W% H! i0 x  ~! Pb = torch.tensor(0.,requires_grad=True)
9 H- k& c( j- S& Q7 H, ?, l  a* w: w
' d8 T4 I$ d' Z) m' [3 t5 ?- u. Wepochs = 100
* n/ N8 E7 c8 `% Y# d  y
losses = []
) a/ A- d6 Z! S3 f8 rfor i in range(epochs):
. z! J3 T& _+ w) ]! A4 ^/ E4 |  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
" Y0 o% K7 V& c8 m# j
  loss = torch.square(y_pred - y).mean()   #计算 loss
" m+ G" Q6 g* ^! ]" P$ R9 c# \$ {  losses.append(loss)
: r5 Y- v, S9 l' D  
- U/ @) ]% v" {2 y& H# z7 v1 u  loss.backward() # autograd
) s- T. D& \- x9 e8 S  with torch.no_grad():
, c3 ^+ }. }7 k- N8 T( ?/ o7 U    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
3 J3 Z  U2 o! w; ^7 y" j2 n  w.grad.zero_()  
  b.grad.zero_()
# d% t5 H7 D' ?3 _4 a# X
# F' v, |+ S; ]1 ~6 l% r6 c8 Mprint(w.item(),b.item()) #结果
2 c0 k! W8 t( `+ z
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
' y- {1 X/ \" ~% ?0 [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 Y4 Y/ ^  h) N高手们帮看看是神马原因？

老福

4 F2 W( P7 F" e9 }
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？
' a" s% V! u/ V$ c) m3 j-------
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 v$ u2 q  S. `/ {; [0 C2 H8 H-------
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？
( `. i3 _- j9 b8 y, J-------
5 Q- z- ^5 I( u  c+ x不好意思， ...

7 }9 \  p4 G8 f) k7 [7 d2 F3 ~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。
) x1 g! g! g/ O! H8 H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 ...

: p6 z' u7 [! E2 M
: N2 p* N0 P0 |3 n) l  k( b: 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。
% @$ ]* E& y$ w9 }) `2 D: a
或者把b但的起点改为1试试。

雷达

5 |/ p+ x5 C5 Y$ {

老福 发表于 2023-2-14 22:00
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 M% Q/ O" z+ o. _" }) |, _或者把b但的起点改为1试试。 ...

1 W6 ?; x- z9 Q你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
$ w8 W0 a2 m( [8 q1 {y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
( G$ P' H) E7 E6 r$ n- V" yw , b
8 k$ G0 A5 ?" y2 L6 |, c" _27.002620697021484 14.826167106628418

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。