继续请教问题:关于 Pytorch 的 Autograd

雷达

# l6 L9 r; \3 X  X2 ]! a
0 E9 j2 p& M7 H3 u为预防老年痴呆，时不时学点新东东玩一玩。
- v) Y: N) |1 g2 p1 J6 p8 nPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
1 ^5 j0 J4 ~6 S7 {import matplotlib.pyplot as plt
import random
2 n8 a4 _+ j* {* N# V2 C6 E# d+ o% k
3 i" E. G2 L# r4 s# E$ f9 F" Jx = 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
6 L5 _3 I6 g/ k- U- H! c  W
* x5 R) O! v2 x' bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
! U# R8 j# a4 E
) o, Y1 B% u; ~1 c- K% `epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
/ \' o$ `7 R1 x) ~: G0 R; @  losses.append(loss)
  
  loss.backward() # autograd
& B+ e" y1 ^2 P# j: L/ H9 \  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
/ C) m- @% n2 O: s" T
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
* M) J/ a0 L& e: y. ~- R0 a; \0 U: Z% h----------------------------------------------
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。
3 ~% c* t( Q3 q/ ?; o, h% b高手们帮看看是神马原因？
& |# e- l# P) `9 \8 q8 z7 [3 [

老福

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？
-------
. }4 z. R2 Z% 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。
-------
. p' G) Q1 h" g8 ^" 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？
1 [8 B  b8 K* w  U( {: T$ O1 T$ G-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
. U3 W: j- J) L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

! _; \8 X/ q7 n& v3 u5 a% X- w

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。
" g! s- y0 ]* N# M" d1 R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 ...

7 r1 D0 M) v4 b- p2 D$ J  i- 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。

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
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。
# v$ E8 _* S# U8 \4 I6 @3 S) t
或者把b但的起点改为1试试。 ...

% {' c4 G, m/ t0 P1 Q
  h& ^8 {' U! Y8 e# A你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
- P- D8 B# n- h& M; E8 Yy = (x*27+15).reshape(-1)
3 K$ [# j1 F6 t: A
循环次数加成10倍，就看到 b 收敛了
w , b
/ M4 Z; z/ s& u, p+ k/ l" p27.002620697021484 14.826167106628418
/ I4 H# D# Y, `9 d$ i! V$ r
7 p! i- P) x" b+ L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。