继续请教问题:关于 Pytorch 的 Autograd

雷达

" |6 q# p4 q  U1 w$ z
) c$ Y2 v. Q' Z6 n( c为预防老年痴呆，时不时学点新东东玩一玩。
2 q& _5 v% y/ i% _Pytorch 下面的代码做最简单的一元线性回归：
6 I: ^" r2 o7 I----------------------------------------------
import torch
" X( v3 R% r+ q4 z) m, Y- Dimport numpy as np
import matplotlib.pyplot as plt
import random

! R) m& m3 V3 Z% Cx = 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
- r$ q9 ^0 w! H* o6 `+ y- F* C
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
2 r3 m' h8 `+ D) `) Y+ Mb = torch.tensor(0.,requires_grad=True)

' s' |2 h2 U1 a$ bepochs = 100

3 H% l2 n* D8 a; |: J# l$ c% zlosses = []
2 H' P2 U3 o/ K- m1 P# q( ~& }9 N; tfor 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
3 T' D% f5 b0 P  losses.append(loss)
  
0 w) ^9 F- |& m! ^. g7 E) t4 |  loss.backward() # autograd
  W& p: G9 X$ F  with torch.no_grad():
% `$ {# G: h! w2 p& j# N9 g    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
& W# V" f2 q7 G) J0 M0 W5 J2 l  A: P
( p" n6 @4 L+ l  e: ?3 }7 Kprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
. C1 e+ P# @# s% ]----------------------------------------------
; z' C9 Z* o1 q7 T. x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。
( _4 ~8 I: I! L高手们帮看看是神马原因？

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？
-------
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。
-------
/ I: j4 m% I* S2 Y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？
-------
( U% i+ f( |' M1 @) O  J不好意思， ...

+ U( \* N% U6 G0 N& e6 Z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

) w% C/ l6 p# }

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 ...

6 ~* a' j! z& c( Y' j
* a" B4 ?6 R1 \+ 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。
7 \: \& M$ \4 _# c. @' K. C
5 {& V2 B; b3 U1 E6 g. b. B或者把b但的起点改为1试试。

雷达

- L( m! e6 G7 Z0 T7 ~

老福 发表于 2023-2-14 22:00
: n% [3 \) m: ~% z( \4 }" v3 ~) 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。 ...

6 a' E* c4 T  k! ^+ \# x3 j3 u/ j
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)
$ e& A) Z  x' {: }
循环次数加成10倍，就看到 b 收敛了
& O' Z. R( Y# Y: z2 ?, P9 l6 C: Dw , b
' O. k8 X% ?/ b8 l27.002620697021484 14.826167106628418

1 E0 @6 \9 I# v7 s/ y3 s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。