继续请教问题:关于 Pytorch 的 Autograd

雷达

4 W6 d  N4 p) V" w( A/ C! w6 ]
  ~( _% H) P# a" K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：
----------------------------------------------
% P: t' e6 L5 ^" T  Iimport torch
import numpy as np
& J( H0 @8 P2 d6 k5 [import matplotlib.pyplot as plt
import random

) ]  j2 j9 \" h! O# Jx = torch.tensor(np.arange(1,100,1))
/ ~. B9 {6 a3 r7 s+ [y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
; f" T& J- _) A' G
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
' `; Q) M( h4 O
) t4 }! E4 \6 }: e% D1 X" Nepochs = 100
( B7 U  ]# b* b/ p6 e7 u1 n
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
  losses.append(loss)
  
  loss.backward() # autograd
5 [8 o6 X3 R; p, H' y3 {  with torch.no_grad():
, R  ?5 K8 U0 T8 D8 n1 v' j    w  -= w.grad*0.0001   # 回归 w
6 x& ?) A- Q" p* k0 i3 H. h% z    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

8 k5 v  P1 h* x, K: l$ \$ r9 }# SOutput： 27.26387596130371  0.4974517822265625
) j* Q. v, O+ E) Q----------------------------------------------
& t* y: i% d6 d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。
+ z/ A, P6 T1 q+ ?2 K8 X高手们帮看看是神马原因？
; ~% Z& d) h- I8 H' n6 u

老福

1 E, C1 B. _* F5 P) 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？
4 E& Z, U# H* {& L$ u; Y7 ^9 C-------
; @0 Q7 m8 W( [' O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) D+ Y% o5 Y! Q) R" n: E0 ?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
) y( M! R: A: z; K2 s( F2 r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？
* \6 ~8 ?, c; s4 E-------
不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
6 v& R; z6 w4 w1 J# |- g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

  n2 k4 V; ~, b+ J) s

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。
/ Q2 ?$ E$ \- }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 ...

1 ]' n  S* ]: @4 V
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。
. e0 g1 B' B9 O6 w6 D' l# ^
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
. m1 }1 j& I2 E! 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。 ...

4 ?: K  S+ f2 }* U+ N- u你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
9 J0 S. t& _2 ]6 N- f5 |y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
2 _0 ^/ f) h! }& P" X0 R/ _: cw , b
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。