继续请教问题:关于 Pytorch 的 Autograd

雷达

- Y' v/ y; `+ t
4 `8 g& K* Y- S3 R5 g8 v为预防老年痴呆，时不时学点新东东玩一玩。
7 {0 i+ h: s+ m. e7 g3 P4 F# vPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
; ^' w; A" u' j$ H) f; Pimport torch
" C# o' \; y0 R% jimport numpy as np
import matplotlib.pyplot as plt
import random
2 e  A5 P1 ]4 w
! |0 ~, r: ^1 j( f0 \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
* [* \% [3 s6 v3 }b = torch.tensor(0.,requires_grad=True)

( V  X+ I, s$ O" Q, Mepochs = 100

$ D, l- Z& V3 Y% j$ x+ b& O' a4 Plosses = []
for i in range(epochs):
4 A1 R8 U- b0 i8 o! p$ o  y_pred = (x*w+b)    # 预测
% p, `4 k: ]- n  x0 K  R: h5 N  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
% N+ R6 E- }; t8 N  
3 {6 h6 z' P# F  C  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_()  
& E) ]" M+ g9 R  b.grad.zero_()
( z& v4 e' o9 |% k* b% @, l
print(w.item(),b.item()) #结果

! v  C, f4 s& X$ F! r9 jOutput： 27.26387596130371  0.4974517822265625
+ m- e# r9 x& i, Q( G  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。
高手们帮看看是神马原因？
$ f7 ?$ p# v# K! O+ _8 N, G5 ?1 k

老福

  }  N. i9 m2 ]3 A# k, C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？
-------
( h* t$ m2 @1 [' `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。
-------
/ i9 r# p3 D9 V* m- `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( u. ]) u0 M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？
+ n+ D' f- S: H( q# E-------
不好意思， ...

" `$ W) y% G: v' a3 ?谢谢，算法应该没问题，就是最简单的线性回归。
, {; f* p- E4 J* q* s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
) @% f7 X9 H. V) m谢谢，算法应该没问题，就是最简单的线性回归。
/ J) g( C% r4 M' V0 y$ D9 T7 ^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 ...

/ P4 n, \# B- M: X% s
0 F( V0 K4 g, v7 M6 t2 o3 ?6 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。
8 }! n2 F# z: |) o' b7 J% {( _1 D
或者把b但的起点改为1试试。

雷达

. ^5 g" C  F( p& n4 p

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。

7 t# ~' r- a' @; Y# F或者把b但的起点改为1试试。 ...

/ o0 x4 W2 r8 B9 ]7 D你是对的。
+ J; _! c, w+ ^% P! q8 I! }8 N/ }* ~去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)

! H5 A& e4 x% f7 a) [( H循环次数加成10倍，就看到 b 收敛了
" r/ C% x! i+ q- x4 n3 Hw , b
& j" Z5 @; n3 @" z27.002620697021484 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。