继续请教问题:关于 Pytorch 的 Autograd

雷达

1 k: Z* q5 |" {/ u7 y2 y0 A! Z
为预防老年痴呆，时不时学点新东东玩一玩。
8 b4 v: h  K% V4 h  `5 |Pytorch 下面的代码做最简单的一元线性回归：
; q# `# I0 o3 K  `* `( P----------------------------------------------
/ A' b+ j; l/ z+ H1 l0 Vimport torch
import numpy as np
7 K% p* d7 `1 p1 U! j2 uimport 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
b = torch.tensor(0.,requires_grad=True)

2 ^/ _) i/ T3 R6 ]epochs = 100

losses = []
for i in range(epochs):
+ o  |( G, D3 U5 K# {& t6 A  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
4 D% r6 j( q+ I8 [' @$ c6 q5 @7 J& j+ G- l
! K0 m1 o6 _% v! a& C8 w! i  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
. \% O/ a% w/ X( S& g& |  
: D  D4 G% w7 w# \# D3 }  loss.backward() # autograd
  with torch.no_grad():
0 |  H+ j5 G; }    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

9 i  P" a: _& K+ B7 Fprint(w.item(),b.item()) #结果
7 l8 l1 i" A% u+ ]2 e/ M" Y( A
: |" W& c: ~; @9 q, O& FOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
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。
$ R1 B7 W% L# [高手们帮看看是神马原因？

老福

$ X; q2 U- d; R5 s
9 n0 n. x- K( q6 \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？
( O' K; c9 {0 R9 r. x8 t. \-------
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。
-------
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
: t' n5 b0 ?& N, `8 K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？
-------
* P7 G; K6 S8 d/ g+ g  B) j' t5 @不好意思， ...

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

- Z' {- m# M/ L' N

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。
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。

$ u) S4 n# K- n# U: |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。
! }# B* z1 w0 A6 {3 L" s
或者把b但的起点改为1试试。 ...

1 Z1 p5 `3 k3 E, G9 c
  g& c1 z' _" p) t  D你是对的。
% D/ r& C  O/ e4 `* B8 O去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
' [9 t0 `3 [$ ?) `- \: Q- `' By = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
w , b
27.002620697021484 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。