继续请教问题:关于 Pytorch 的 Autograd

雷达

& V, \; R" U. Z# ]3 m6 X8 K
为预防老年痴呆，时不时学点新东东玩一玩。
' K8 K3 ^  V/ _) \% s! bPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
6 L' H' d% `1 `  g8 y6 g) [$ w# Iimport torch
import numpy as np
; b5 E+ V5 i& m, I  k- }9 F( p# Uimport matplotlib.pyplot as plt
import random

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

$ G" s! a4 [2 n! t& Q& Bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

4 p! a& t( f1 q1 _losses = []
" u" `1 n. a* t4 G, F* R3 {7 {for i in range(epochs):
  y_pred = (x*w+b)    # 预测
$ P7 S% w1 s/ C. @& u  y_pred.reshape(-1)
# J2 _* O2 L: V: e2 @7 y
  loss = torch.square(y_pred - y).mean()   #计算 loss
1 Y( A) v7 O6 u" g3 O% k3 a  losses.append(loss)
  
% O& i# `0 h: D, n; k  loss.backward() # autograd
  with torch.no_grad():
0 n. q4 V0 D5 s- }    w  -= w.grad*0.0001   # 回归 w
) Y( |6 H/ J5 f    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
& Y5 G6 S- X$ d& X9 B4 C0 b: {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？
7 c. O6 {8 c" o# O# o

老福

2 G, [0 S* X/ ^* _" w: s! 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？
! ?: {' ^5 H1 r0 d-------
) [7 ~2 R/ g$ Y2 P' A7 y! Y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。
+ S; F9 [! t, ^; E-------
+ G$ z. v% s  N7 }. G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？
7 L' V# }" O# |9 _8 ?2 F% T8 ~-------
" X% |" s' p% y% J- s不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
3 z8 G2 C$ k5 A+ Q- _" 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一下。

老福

$ \5 @! _& L4 D% E' G+ w

雷达 发表于 2023-2-14 21:52
8 n" z( G0 j. g* ?) G9 }谢谢，算法应该没问题，就是最简单的线性回归。
( t" V! L9 p" L5 t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 ...

& L7 h. m- x! N0 D  _- m* }! w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 L" i( Y4 p7 B7 H6 a
8 U* Q2 w# {2 {) K或者把b但的起点改为1试试。

雷达

: U0 J( l" [# N3 f

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。
  C; _9 [3 k# t% \" ]5 F
4 d  S& K% K  I( M( C9 {或者把b但的起点改为1试试。 ...

你是对的。
$ @! U+ F, N% c0 _去掉了随机部分
# W( A9 b$ _$ Z" ]#y = (x*27+15+random.randint(-2,3)).reshape(-1)
2 D; t- s! ^  p/ u4 W/ gy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
  G% }( d. u% z# t3 Y8 uw , b
: R" F9 a# I$ k- r27.002620697021484 14.826167106628418
; Y. J4 o+ g) u$ t9 d
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。