继续请教问题:关于 Pytorch 的 Autograd

雷达

+ l- \; ~/ s  Y. F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：
! T# G6 M+ }9 h3 S  \9 g----------------------------------------------
3 X' V5 y& k0 ]6 t- Himport torch
: Y  t# A( ~7 ]import numpy as np
; Q, p7 Q0 F4 [1 x; P. k# _- k" D( i) jimport matplotlib.pyplot as plt
+ D- T+ ]& I! i3 |, oimport random

x = torch.tensor(np.arange(1,100,1))
& y9 z8 B% a  S/ b: A! |4 _; a7 @y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

, J, ^" L) q! ~; P2 w) g/ `" _% Ow = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

3 [( W6 i! x( N, glosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
0 Q* l- I  ^7 l3 |5 U  v5 K  y_pred.reshape(-1)

& w# Z2 E6 Q( Q6 _& R/ Z8 T  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
/ E) T* f; s1 a7 C. w  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
( ^- f* a. @$ c, i! D, Y9 W6 W% x  w.grad.zero_()  
# q2 _9 h* J  h+ c  b.grad.zero_()
$ h" R0 R0 j5 H+ k
print(w.item(),b.item()) #结果

! n" q/ m+ p8 y6 v, g( v# cOutput： 27.26387596130371  0.4974517822265625
5 p" Q# o# s5 F3 V----------------------------------------------
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？
" L. I- k# u  g. z6 D+ j

老福

0 c' C! p- M+ b# c0 S
3 B0 `6 |  {; K$ @: f7 L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。
% \: b5 S" w' @5 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？
-------
3 u& S- k# O8 K6 O4 `3 U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

7 c1 ^: b# v# l3 ~+ R2 l, _9 x. X) O

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 ...

. x" `, i' u  _. Q/ X
, q, C; M6 }5 Q+ T9 d8 P7 Q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

8 l  p# H) m" G% x6 u8 L* \

老福 发表于 2023-2-14 22:00
* {$ l% u" c1 n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。

  ]% e3 y' c6 l6 H' s: Y) E& c或者把b但的起点改为1试试。 ...

. ?, a% x6 H7 \( ?. k
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

3 o- s% H1 H( X2 J6 Y循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
" L5 s6 j5 v7 u/ k9 \$ `
) [. a  x' s" |2 i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。