继续请教问题:关于 Pytorch 的 Autograd

雷达

, t$ q* G: o# @. ?1 B8 O6 Z- x7 J
, V% d$ Y/ U& `3 K为预防老年痴呆，时不时学点新东东玩一玩。
& N/ }  @- c2 O6 C0 N; XPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
1 O5 Z  D  V. z7 |/ z4 dimport numpy as np
import matplotlib.pyplot as plt
. s# X' _& Z2 }  L6 c# r& aimport random

x = torch.tensor(np.arange(1,100,1))
% D4 {9 z* V) c- B" `y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

# P" r5 \+ i  _, `, Ww = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

losses = []
for i in range(epochs):
/ B( W  q( e/ R' J+ _0 \. j. ?  y_pred = (x*w+b)    # 预测
6 X7 J! H* `% @; E" A, J( Q3 a  y_pred.reshape(-1)

+ E& Y% E5 S/ V. L' I; u  loss = torch.square(y_pred - y).mean()   #计算 loss
6 g' a& f* U3 |* b0 @  losses.append(loss)
  
4 M4 _3 Q8 \" b" u& Z: U1 g& p5 S  loss.backward() # autograd
9 u0 I% e9 ~( |  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
3 f4 W  C1 J3 f5 |6 }+ `+ j$ O    b  -= b.grad*0.0001    # 回归 b
) Q% K) Z8 p% D9 v: D  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
1 b8 t4 D0 G" E8 y% l$ _----------------------------------------------
& C% p: n2 T  X5 _0 ?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。
: c, R6 G8 g* T5 Q0 V; k: g高手们帮看看是神马原因？
1 f6 S7 i: z  i* M- V

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？
-------
# J6 p+ l* k+ h- v7 J$ Q2 B: @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。
8 u# m0 h& l- b/ ^-------
2 `' q. X- q, m; P: b  y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
. B; r+ V- n* o& x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， ...

; h6 _+ n$ Q6 W  M( f谢谢，算法应该没问题，就是最简单的线性回归。
% ^& a  X. I" F7 _' 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

; z% u" b* o; B3 S* H0 ?' t

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。
$ e+ n- t$ X  u2 N8 g3 d; s0 c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。
; o% y+ c. ~1 W: U2 l* M
) q4 S  m5 t- f4 `6 [8 i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。
1 w8 e7 n4 Q4 w6 m6 G  F
4 Y. |/ f! p( W! d3 }6 U或者把b但的起点改为1试试。 ...

你是对的。
$ I3 S- O: x- P( Q! h- ~6 L# J. }去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
6 }" M! I% {7 e# Z1 {y = (x*27+15).reshape(-1)

9 O" h0 v& J% r) ]循环次数加成10倍，就看到 b 收敛了
4 j5 Q3 |+ e. O7 J1 r, q, l: Lw , b
% o) G" }' L4 o* `, d* h27.002620697021484 14.826167106628418

7 V: O, B: R/ v4 @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。