继续请教问题:关于 Pytorch 的 Autograd

雷达

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：
2 o/ `' l$ [# R  z. |----------------------------------------------
import torch
import numpy as np
6 s7 s5 r$ r* _: jimport 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
. I% `: E+ G4 x* d4 R$ F. V) o/ n
! b" f, ~! ^# p7 C& w# a" j2 Xw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)

epochs = 100

- i# V5 y! J' F9 b7 a5 A5 y8 Klosses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
- K+ E! s2 p; d  ~) L  {) V  ?" U  y_pred.reshape(-1)

  R8 F+ X" k, ~! `: U  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
: @2 ]% F; t! `- o+ {2 ?  
  loss.backward() # autograd
  with torch.no_grad():
: M% e& f2 s2 n5 D, |' P4 G$ i    w  -= w.grad*0.0001   # 回归 w
6 V! |9 W% }1 ]! H' q4 Y; @, m    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
3 a( V+ g8 A6 O
9 ?) d7 O; S8 Q& Q- I" }. ]+ ]4 }, {print(w.item(),b.item()) #结果
5 a; U! N6 e% L* t" A) @$ `
Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
& x( m$ _' g4 v6 a- U: B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。
6 ?7 d- R- v3 S: Y2 G高手们帮看看是神马原因？
5 E/ D: a0 P' E" }6 l  l- a6 Y

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？
-------
0 D0 V: y: O+ _' E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。
-------
+ H, s0 Z4 G; G6 _1 E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
9 z. ~( l' s. U7 d7 E! T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？
9 ^5 T8 I$ r7 s! A$ g-------
不好意思， ...

6 |) b1 j' H4 z3 P; l& ]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

0 p+ N! ^1 n( ]7 j

雷达 发表于 2023-2-14 21:52
+ s4 _& q# J. W# r% J& P, f5 U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 ...

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。

% A( X  v1 k* B1 q4 ]2 X" T或者把b但的起点改为1试试。

雷达

4 `* [2 u/ m: k9 a1 P, l# n% _8 N

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。
: R  Y  W/ L% \# ~' T3 \- f( O0 J" Z3 j
7 t& d. S' f. K  j9 F3 v或者把b但的起点改为1试试。 ...

) h% Q, `4 o; ~. W4 v你是对的。
9 E; o7 V: v" Z$ M5 k+ F去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
y = (x*27+15).reshape(-1)
8 |1 j, v9 X: l$ D7 U
% ?5 Z6 G) r5 F# s# F5 }循环次数加成10倍，就看到 b 收敛了
% g9 u) Z2 U# d; O! b  H3 v2 [2 v; \w , b
27.002620697021484 14.826167106628418
$ x& a1 @2 h! i' P
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。