继续请教问题:关于 Pytorch 的 Autograd

雷达

- L9 |' _, I/ Y9 v/ u
2 F. c) `! c" J1 k5 c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：
: G( M1 A! P, j/ g4 ?----------------------------------------------
import torch
. p$ e, h  R: z6 a( Q) Cimport numpy as np
import matplotlib.pyplot as plt
import random

x = 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

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
( Y# g9 U% m: Vb = torch.tensor(0.,requires_grad=True)
+ v0 D4 t3 ~: E! @# H5 [
epochs = 100

& T* o% S) j7 N* i$ l& b- Alosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  x, y- f# \6 o5 q' ?  y_pred.reshape(-1)
# K4 k7 p5 T; N. n
8 S+ x( j1 B9 p  loss = torch.square(y_pred - y).mean()   #计算 loss
6 n: s3 \9 C; B1 f8 `  losses.append(loss)
. Q+ X! I) e2 ?( S: k  
  loss.backward() # autograd
  with torch.no_grad():
: y4 M. x5 T( j+ A7 L    w  -= w.grad*0.0001   # 回归 w
: b4 V  c8 u; b    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
9 s* ?  |0 \( Y; K: b6 P$ G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。
  n. i6 c8 s$ t) Y! t; A高手们帮看看是神马原因？

老福

" l. @$ @! ^" t1 Z
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。
-------
% O" Z% k1 W; Q1 [) d( c8 X4 w1 _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 `  @9 t+ _4 ]8 U( L-------
, S/ S6 h5 a- ^$ e4 a不好意思， ...

谢谢，算法应该没问题，就是最简单的线性回归。
% Z) D" {$ s' s; u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。
1 S# t; j( R5 Z5 B" ^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 ...

* y) k9 U3 }: Y9 u- K- S0 L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

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。 ...

/ b& \4 h% K; n7 V( E0 E! t
2 O9 Y& g3 [, ]4 w! s你是对的。
  M% U9 g5 x) Z7 b8 \/ g去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

" j& N. z$ q/ l% a循环次数加成10倍，就看到 b 收敛了
1 a9 S! O  L) a& e2 }  ?( [. o1 ~w , b
27.002620697021484 14.826167106628418
1 _4 x' ~! W5 D6 P3 q" u* r8 [0 {
' m% F# P) B7 a; \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。