继续请教问题:关于 Pytorch 的 Autograd

雷达

1 E8 D. q8 w- M  C7 B, z& t7 h
) z3 Q# R. S1 S: A为预防老年痴呆，时不时学点新东东玩一玩。
' p$ F2 \; {. f9 y6 vPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
3 z1 L5 _5 L! p0 Uimport torch
import numpy as np
6 |' u7 R* x+ S6 b# z- ]import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
6 e6 X" Q: p# o. R0 |y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
# R+ P! Y3 f0 |$ B' t  I; W' ?
: k  D6 @% }" b( Bw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
, o1 H. r4 d  s  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
3 Y* E' L6 W  v; n4 }& {  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
& @  W( p; L+ Q    b  -= b.grad*0.0001    # 回归 b
/ [4 `% k7 d* A0 i  w.grad.zero_()  
  b.grad.zero_()
( G% c  z  S# x0 n
print(w.item(),b.item()) #结果
! k$ V* f8 {* l$ l2 O6 p
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
- _1 K& I1 }7 D  ], W高手们帮看看是神马原因？
1 Z# m. Z6 g6 `

老福

- q0 H. U# K5 Q8 r* f
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 s8 e+ }$ P  {7 ~5 a' h0 a2 G% f, |-------
5 |& _& {# Y' u/ Z4 ^( }; `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。
3 g" D+ S; `5 S/ r8 p-------
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？
0 c4 `  b9 k5 P/ X- ?# n-------
9 Z' L) h% y( v4 S不好意思， ...

% Z% c5 K) w) p: j谢谢，算法应该没问题，就是最简单的线性回归。
4 A9 u$ V$ X& _' g) T  ~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

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 ...

5 K! R0 Z: q: L2 B+ V. k/ K/ U
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。
' m9 ~+ |5 c- _: Z% [
; |+ ?9 R( ?3 v9 H4 J* P0 Z或者把b但的起点改为1试试。

雷达

% C$ D6 i) ]3 c! [2 |8 J

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。

或者把b但的起点改为1试试。 ...

* G( m, t' r4 y1 w* K+ e' K& \9 L
你是对的。
3 K7 v3 n) U0 V/ m+ b) F5 n% n/ C4 V/ T去掉了随机部分
0 I7 O' ]- o1 B' |/ m6 v$ _#y = (x*27+15+random.randint(-2,3)).reshape(-1)
7 K( R- f! j+ a' r& P4 Ny = (x*27+15).reshape(-1)
5 A& d8 a- \- C2 K" p
+ i0 l7 d, v5 N% a, {* ~9 c) f循环次数加成10倍，就看到 b 收敛了
& x; _% f: f( C- A. E" D. t* I7 {w , b
; `# R& v7 x$ [# `" k9 L; _# l27.002620697021484 14.826167106628418
5 J& l- ]; Q3 _& M
* n7 @6 r% l( i2 p0 S+ f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。