继续请教问题:关于 Pytorch 的 Autograd

雷达

0 X& a& _: E! J1 k3 ^) Z! \
( ?1 ^( }6 \; b+ ^' V% Y; v为预防老年痴呆，时不时学点新东东玩一玩。
& F- V. H) N& i% f( J  `, a$ \, ZPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
. O0 I! R: N% Ximport random

: R, }1 P' R( w7 a5 B8 Ox = 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
( a1 n/ ?9 Y2 _  n# `( U% W
w = 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):
) @1 _' `2 G5 k+ ?5 T( Z# V6 s  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
2 l" `1 v( {/ P: s' q  k
: \, M8 _- k- t2 s+ {2 I  Y  loss = torch.square(y_pred - y).mean()   #计算 loss
. [3 d% V0 P. l' M! o4 @  losses.append(loss)
* j  H( l5 K' C0 J8 y0 u$ {% R  m  
  loss.backward() # autograd
+ Q9 q) t; D, X  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
. z$ e# ?) C' e5 X    b  -= b.grad*0.0001    # 回归 b
+ k* I- o6 H; o: T  w.grad.zero_()  
8 Q# C( `! A( b7 E% h( s  b.grad.zero_()

print(w.item(),b.item()) #结果

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。
高手们帮看看是神马原因？
3 W/ f: w# v+ B. i+ r; {

老福

- c% Q  h6 E+ _8 U( T
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？
& m& o7 M2 l# B/ S2 l: g-------
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。
6 B, }/ @. c. {4 B8 g, L" p- I+ k-------
- w2 [! |& h0 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？
-------
6 c8 k# w6 c4 J% {( \/ O& m0 P不好意思， ...

: E( U, s$ a! d$ `4 F* d& A谢谢，算法应该没问题，就是最简单的线性回归。
6 l: F! h0 Y. Z) X' e$ h6 W' H: ?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

; c. ]6 n0 P4 `0 L

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。
7 c5 \; I6 X5 \- s: d' V: @; |# 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 ...

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。

雷达

3 `2 v0 b% _9 k

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。 ...

3 a- t! F- c; B% E3 {4 M! u你是对的。
, _: N+ B! x7 O1 j3 D% _* |. ~去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
* \! I) j3 ~  Y' i! l; Y
6 q. N, S+ L8 f; n' F, B循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 14.826167106628418
" @. n! j0 f9 z) `
8 f5 X+ @8 _; c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。