继续请教问题:关于 Pytorch 的 Autograd

雷达

) P4 W5 Y  l9 `: ^" s为预防老年痴呆，时不时学点新东东玩一玩。
) e6 \: P: ^9 z' y, {: m) O' H; o2 tPytorch 下面的代码做最简单的一元线性回归：
  W! M7 z  Y4 u/ y----------------------------------------------
import torch
" v5 k$ M0 w1 W2 a/ m' b+ K  wimport numpy as np
import matplotlib.pyplot as plt
' Y2 W2 V# p0 [% D( x# y' C* eimport random

3 l( ?$ @- U" J6 w( Mx = torch.tensor(np.arange(1,100,1))
2 R2 b4 Z9 l& Ey = (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)

( c# i; }3 C" V& g" Sepochs = 100
$ ?7 o( n# T! s, m8 T" f5 r
: H& m5 \7 |/ v9 J5 ~losses = []
for i in range(epochs):
+ f- X3 g7 X, m4 O5 \* ~  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)

: J- ^: F2 e7 s' k  loss = torch.square(y_pred - y).mean()   #计算 loss
: Y: ?% v3 o' u  losses.append(loss)
  
  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_()  
/ j& V' I: \/ D9 z" M  b.grad.zero_()

; l2 B2 @  D9 |- W/ n( aprint(w.item(),b.item()) #结果

7 D' ^1 C+ w4 \Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
/ j& @, O& u# U( i9 \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。
$ R" C. R0 m) m8 I高手们帮看看是神马原因？
/ y, O- H% d; u7 t

老福

. S, \3 I5 _# z; \; z( g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？
  i) I! Q7 {4 `# y-------
7 w, h. I3 s( L3 F) h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
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？
-------
! i  ]/ m& h- u7 b2 U不好意思， ...

+ ^  b5 M6 {' Y( {& z谢谢，算法应该没问题，就是最简单的线性回归。
0 A% B- ^5 h, b- ^1 K) k8 K$ p+ q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。
% x# H4 |/ t8 n/ X0 j- X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 ...

8 O3 u- E* ~: j& I+ Y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

; Y4 e" n$ a) M! n" q& W

老福 发表于 2023-2-14 22:00
2 g7 l# G9 J5 H- a7 k8 o' m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。

, t, o/ g* U# [) b( T' n. ?" D$ E或者把b但的起点改为1试试。 ...

你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
. h6 f$ `, P" [- Dy = (x*27+15).reshape(-1)
" X" S# r( o6 S0 N: ^* z; l
  y. `, P& l" W4 D- P. |0 c循环次数加成10倍，就看到 b 收敛了
) }( Q' p/ ?6 Y& r! r: `w , b
7 r4 w) ~: k% K27.002620697021484 14.826167106628418

0 ?. o9 ^: v9 x2 N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。