继续请教问题:关于 Pytorch 的 Autograd

雷达

1 v; J; L1 ]! c2 X" k- N% O! s! b
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
* d# t1 S+ X5 C! M$ A/ X! C4 oimport numpy as np
import matplotlib.pyplot as plt
  U" y) E8 I: r. ~  fimport random

5 Z, l) }4 E, k& \# K4 |( Lx = torch.tensor(np.arange(1,100,1))
* l& l7 a0 C% Z8 my = (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
b = torch.tensor(0.,requires_grad=True)
! G6 g9 d8 i1 j2 Z# A6 x1 V# n; @
2 |! X. M  E; D7 v9 s- pepochs = 100

4 p& u" K% g3 \9 Tlosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  ]) G7 I3 L, W9 u0 t  y_pred.reshape(-1)
; Q* U4 b1 O; K9 r$ w/ s
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
8 g2 c% w& b& E' S  
  loss.backward() # autograd
9 j/ \9 y% @7 E# p% U7 }0 M  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
3 |# }; X2 |1 ?
( |. N# v( B' nprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
9 a  k8 \1 L. D8 T% S) s4 {----------------------------------------------
; N: R& z+ n! m5 l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？
$ l1 Q( t2 Q$ Q; c6 G+ r( q3 H1 i

老福

( e/ r" m3 K, u( J6 A1 e8 m; v) `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。
+ m" R1 j4 Z. Y$ S6 N-------
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
& h" z* ~0 a0 ^  H7 N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？
9 l) J8 p7 `- ^, b( b-------
% M* k& @. t! g& [2 A3 z* s$ I不好意思， ...

, L$ H+ E( O2 U4 L6 W谢谢，算法应该没问题，就是最简单的线性回归。
# c( \$ w* w5 @" }' \3 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

: \( ?* c$ [* R/ n" f+ Z3 g

雷达 发表于 2023-2-14 21:52
7 `) S5 d1 [9 {# {5 c' {+ T谢谢，算法应该没问题，就是最简单的线性回归。
0 f! I5 Q+ W  z0 O. @3 L; N( [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 ...

; w  u( a4 ^! l$ d5 y
* m2 R8 u& q* ~/ V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。
! u* W- j1 O* T; L) O( |8 x2 M
. ?9 N5 H$ P+ A4 E! o; x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
0 ]. Y9 ~) t0 f! g; o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。

, O2 [/ _/ Y- e! J* P' H或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
0 c' U! y  ?" V( m#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
w , b
27.002620697021484 14.826167106628418
0 e  q2 N. `2 n% v( Q8 j/ ?- ?" t
1 e3 I4 Q1 u* L( P8 X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。