继续请教问题:关于 Pytorch 的 Autograd

雷达

: c, C7 m. O  h! s! F6 h* C
5 Z& s, `, W1 v- M" o. m为预防老年痴呆，时不时学点新东东玩一玩。
  l9 k7 ?' L3 o8 c0 v0 OPytorch 下面的代码做最简单的一元线性回归：
5 h9 {8 l1 x  I----------------------------------------------
9 C( t- d5 ?) b( wimport torch
3 n4 l0 T  q1 c  W8 C8 Mimport numpy as np
6 Q$ U# |" C" I5 @- P# Qimport matplotlib.pyplot as plt
import random
3 R" t, A. J7 n6 V
) E& @1 l5 j8 K. w: i5 t3 sx = 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
) G0 M+ G( w, R0 S  p; C
w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
# R0 K( \' y- \' m& b
8 Y6 W' u  @; h+ Qepochs = 100

losses = []
% L8 T" z# ?; o9 X, X' Z$ Jfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

; `5 ^1 z$ C% \6 U, i/ b3 F9 Q  loss = torch.square(y_pred - y).mean()   #计算 loss
& Z) d8 E1 c, `0 D# c  j  P  losses.append(loss)
  
& c" s( m) E3 L7 n2 R9 g% O) X  loss.backward() # autograd
" `2 G& a4 n3 R+ b) g* q. S1 T  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
9 _$ j% j/ [2 {- b" V% h/ V! c    b  -= b.grad*0.0001    # 回归 b
. {1 c& T9 ~0 ^% C  w.grad.zero_()  
  b.grad.zero_()
( X: R1 O# b7 g. l9 [" [
print(w.item(),b.item()) #结果

' U7 \: t, S9 A. X% V1 k* \Output： 27.26387596130371  0.4974517822265625
7 w3 q  P% ?6 \% [: r( ~% a----------------------------------------------
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。
( g$ A9 B/ x& G6 y% r$ f( O; m- ]7 n高手们帮看看是神马原因？

老福

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。
-------
7 @% v$ j1 H/ v6 _& x0 k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
0 e5 ^! [- ^$ S6 D! W: A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 l) B9 R4 ], l" @+ \, Z+ o-------
+ q  |9 M; h/ b4 j, M1 g' P! T不好意思， ...

# I& h0 W# a. Y. c5 j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

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。
/ y! n$ N' W  H2 b" A+ x5 |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

1 F  A4 c9 A- n( f& n3 Q

老福 发表于 2023-2-14 22:00
" {+ r1 a" g! a0 E  j4 S( k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& C& C+ @4 }9 x
或者把b但的起点改为1试试。 ...

2 Q2 W" \( V/ H# Z你是对的。
0 r1 g6 j3 a  r8 E去掉了随机部分
5 M* N( B8 c8 [) `#y = (x*27+15+random.randint(-2,3)).reshape(-1)
1 B0 v! q8 @6 J- i4 d9 ]) py = (x*27+15).reshape(-1)

# `" k+ R( I& u循环次数加成10倍，就看到 b 收敛了
, y4 j/ S  L2 Z" V8 Q5 Mw , b
! E8 c/ J! c  E2 Z* t# l) G27.002620697021484 14.826167106628418
% ~8 f) Y" f3 W* m' J- s- _9 _
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。