继续请教问题:关于 Pytorch 的 Autograd

雷达

. V1 |2 E7 u. J! Y8 G5 N6 \) {5 M
7 c# V3 L. S; K  ^) Z: n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：
) q* }5 g. u( `----------------------------------------------
# @) x  I6 f& T7 U8 Y: l) mimport torch
: ?- w8 [; H" w7 ^8 z& H2 Pimport numpy as np
' o* t8 b' i* Y. G  I& ~0 ]import matplotlib.pyplot as plt
, c- n$ ~3 A4 h0 n9 qimport random

3 ~* y, {1 [- ?' J2 S+ kx = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
7 N8 T& m9 c! z4 q( e, K/ Sb = torch.tensor(0.,requires_grad=True)
4 V8 j, H. h/ H' l4 }
epochs = 100
1 P& t: _+ `0 A. o1 T8 V
5 l, {2 R8 ]% tlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  |! H" P0 Y0 H/ b: ^- h  G) d  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
3 D3 p& Q! z- |( b/ [" D  
" H, Q/ q6 \" }6 U5 \+ _# o  loss.backward() # autograd
  with torch.no_grad():
; y  j3 E5 u2 g    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
3 Q! K; c8 ?4 q1 e  b.grad.zero_()
9 h+ o3 a: I; A+ x5 {3 f: E
9 ]0 `: L: W7 Z: Hprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
# k7 M7 \5 }1 K/ O9 g& 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？

老福

* Y+ A2 ?& f' b, T- R4 `* ]1 Q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。
' {7 i7 i3 O) s( S8 _-------
: ^$ X* ?! V$ H# H# k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
+ w( s' q" v6 B" @2 Y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 L4 v' {3 h* ~0 j-------
" S" P: j2 r# T( j6 r不好意思， ...

$ C9 f' a# @' S$ N+ H谢谢，算法应该没问题，就是最简单的线性回归。
% r: j, }  Z3 d; X8 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一下。

老福

, W9 ~6 v$ I) F2 i! ?6 e  v

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 n; D1 v. l$ t5 k% a
2 J7 Z% v7 o) c$ g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。
6 x' X5 s' x7 T
或者把b但的起点改为1试试。

雷达

6 X& Z) k, w& ~

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。
. ^; a# |1 i4 e7 L6 o
或者把b但的起点改为1试试。 ...

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)

循环次数加成10倍，就看到 b 收敛了
  Z1 w# N" t; t8 l0 pw , b
27.002620697021484 14.826167106628418

) r$ H6 o2 h1 a/ e6 E- I) j5 s  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。