继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
7 x; D  U& E; ~# h' {Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
  [% L5 N, k! l( n! uimport torch
import numpy as np
import matplotlib.pyplot as plt
import random

: ?) ]3 q# N& W) t' ax = 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

- j" I: }6 P  b7 h3 B0 D* gw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
1 J: R2 G  Y8 ]/ D. ?b = torch.tensor(0.,requires_grad=True)
6 `' ]$ d% L: ?0 h/ @. n2 A$ E
. x1 _! C5 \4 z+ O+ P! A$ Repochs = 100
( J# o0 Y4 b# {: e/ S' u( u
* X7 L1 \4 n  c2 {! _% C2 nlosses = []
+ z, Q. p7 D+ \% \5 vfor i in range(epochs):
& t9 X- k( _) P& \& Z7 h6 [% Z  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
& k' |! i- F3 x) _
! {3 J; ^4 ]% T& J$ e3 D  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
; q  z  \, A. v( d2 S  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
" v+ X. z* x0 p) T  P5 u    b  -= b.grad*0.0001    # 回归 b
. q& m' v4 t- p  w.grad.zero_()  
  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。
6 A) [+ W' x8 i9 }高手们帮看看是神马原因？
4 ]9 F/ s' }) `* M

老福

8 m" j. A" p& P  [5 j* ^% f) _8 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？
-------
7 v$ g) \  R9 [; \  ^  Q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。
% H" p, B" C* I$ J$ v: s( \' Q-------
$ `6 q# N- V4 F* J- u# w4 X2 n4 W6 r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？
-------
' ~" |1 T. ^8 b不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
; s1 b8 n9 n; ]2 I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

: D+ Q, l6 f0 {  e3 \; s

雷达 发表于 2023-2-14 21:52
$ @# @5 W! O% p. @谢谢，算法应该没问题，就是最简单的线性回归。
! L# v0 c* W  p/ M. x: S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 ...

% r, s  j& u6 H$ W& d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

8 I, r7 S: p( W5 W, t$ }" c7 x. ~

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。
% P" O, i! w$ t2 S% w* V+ e6 A
% Z6 U4 J$ Y3 d2 l1 C或者把b但的起点改为1试试。 ...

你是对的。
% S5 g% r, f% g% h, C) T& ]去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
! ?0 D$ h" R! g1 T
循环次数加成10倍，就看到 b 收敛了
3 ]( W+ E$ w8 H$ @4 n" I* ]w , b
27.002620697021484 14.826167106628418

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。