继续请教问题:关于 Pytorch 的 Autograd

雷达

% E0 }: z4 p0 t1 ]- s8 M7 Z1 x, E
; L& H6 Z( ^2 f2 |. V; o为预防老年痴呆，时不时学点新东东玩一玩。
: ~: P4 [) e) y5 @7 G1 c; d! n) XPytorch 下面的代码做最简单的一元线性回归：
& U7 Z. n3 l+ K$ b( N----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

, ?3 a. ]- K0 M8 [; {6 X2 @, S( _8 }x = torch.tensor(np.arange(1,100,1))
/ V( c8 p1 h- h$ ]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
b = torch.tensor(0.,requires_grad=True)
$ P3 T$ y8 D0 s$ C% C" x
7 a! n3 n2 f- X+ E# K6 ^. s4 i$ wepochs = 100

losses = []
# i$ a+ V7 p, n* Ofor i in range(epochs):
  y_pred = (x*w+b)    # 预测
% ]$ }" Y( M& t# Q! Z  y_pred.reshape(-1)
, |4 A* D: d1 S$ E: d( s$ l
2 k; V, F3 ?/ F9 Q. S  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
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
# ?5 J6 a- n" E' l
print(w.item(),b.item()) #结果
! l- F# J& ~( v
7 o. j6 j* v* m2 t; C0 NOutput： 27.26387596130371  0.4974517822265625
. y2 C6 V$ |- h, X( H$ L4 H1 Y( e----------------------------------------------
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。
. V, A0 a; b: K* S' ^+ U高手们帮看看是神马原因？
$ X! U3 F& x" x. I

老福

3 _9 ~( j# U6 S( E! \
2 k0 ~. v) @6 _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。
& R- W" r# g0 G3 o* d  t3 M0 {-------
. N4 k: ?1 a0 l% J4 o; H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？
-------
不好意思， ...

4 T9 U1 w; X4 F! d4 Z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

/ A! A7 L2 s5 W" {

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 ...

: r5 v- ?! p$ @6 ~, X. c  ~
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。
1 C: q, c1 y3 \
或者把b但的起点改为1试试。

雷达

1 _& e5 z& M/ t# v5 l3 ^9 M  G

老福 发表于 2023-2-14 22:00
+ \1 m& z+ K8 p! C$ l) |7 a# s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。 ...

你是对的。
$ M' \. C! l( b. b, o7 {去掉了随机部分
" m! D/ r5 S0 O) Q% g$ b& L5 ^9 c8 ]* y#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
$ B. K) G; C1 t8 V1 @: ]0 \
8 u8 x( ^, Y( w* |" u$ ~, d. X循环次数加成10倍，就看到 b 收敛了
# R. C) u& T3 tw , 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。