继续请教问题:关于 Pytorch 的 Autograd

雷达

- a1 Q8 H, d  P6 l2 l9 y# J1 a
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：
----------------------------------------------
import torch
import numpy as np
+ q& J7 y* n3 g! z8 l  i1 j. }# \import matplotlib.pyplot as plt
, ~. t* J7 C' o: e7 {import random

6 c0 \3 B$ U0 N4 u! tx = 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
  C/ c9 k7 E, [8 a& N+ F6 q  ?b = torch.tensor(0.,requires_grad=True)
$ T' l, F& }/ X' F5 X
epochs = 100

losses = []
4 S* d: \& n! q( t( o0 v% @  pfor i in range(epochs):
; n$ P8 T$ d2 [/ ~  H3 I" @  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

  g6 I/ H9 w: u% \. @% Y  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
) V) C. J. |2 M2 c( O    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

( e! c0 u- x9 m  X& x- h* B. nOutput： 27.26387596130371  0.4974517822265625
; t- b0 R# D6 x. n----------------------------------------------
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。
& _& F- s+ h/ t高手们帮看看是神马原因？
  G8 @4 P) r) z

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？
/ k7 w8 a# D# h$ j! l-------
8 A7 g& Z0 d  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。
* {# ?. _* d$ x1 x$ b-------
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？
-------
( ?! p5 F, H: Z2 m( p8 n不好意思， ...

8 h6 e- _+ _8 r  t( q1 J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

8 |' b: ?% G' u9 _" E) r

雷达 发表于 2023-2-14 21:52
- M, u, q' j& N- B# Y% H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 ...

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。

! s% g& n9 M9 j% w$ @* k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
8 x3 S( C, J* b. J" }- @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。

* `5 @8 k0 i7 N8 C: c或者把b但的起点改为1试试。 ...

5 m7 |4 F$ f3 f! x- Y
你是对的。
+ E1 d5 V0 J4 n3 O$ d3 T去掉了随机部分
2 w( F  @5 g; a5 |( k#y = (x*27+15+random.randint(-2,3)).reshape(-1)
0 l- |. q' h; G  K3 ]9 L8 W9 Xy = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
9 p' u! N4 \0 i9 ~  g5 pw , b
2 I9 _+ J/ H6 X6 m27.002620697021484 14.826167106628418
$ N0 s* p# m/ ]4 q! V3 x3 _
3 O$ I$ M3 P2 v$ |- m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。