继续请教问题:关于 Pytorch 的 Autograd

雷达

3 W6 D4 I. Y7 Z3 T7 n: y
% u2 i6 U8 A8 c/ K/ u% q) V6 j) K/ K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：
7 ]9 z/ D  G0 a" E5 ]( \----------------------------------------------
import torch
import numpy as np
2 B! }/ a3 k( z5 V* z4 mimport matplotlib.pyplot as plt
" o, l  O5 D& d9 ~6 }import random
# ^! u) ]) n9 S& T% g4 F* f
: b% u  Q+ ]. I* W1 \; Nx = torch.tensor(np.arange(1,100,1))
7 @: f7 V( ^" ]$ H: }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)

epochs = 100

% c  O% Z7 I8 I1 alosses = []
% k. L" h( X- ?8 Pfor i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
; I/ O% }7 U% A( [( w
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
0 F2 n6 p: r9 \; n! m9 O  
* _, E  W1 Z6 n# l  loss.backward() # autograd
! _; v' P- ?2 n' f. l6 o3 R  with torch.no_grad():
: G: Y' U8 B% q; c    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()

print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
----------------------------------------------
% x$ P4 p& V% f% M( p( R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？

老福

; f. B, B1 z2 V" x  @, 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？
-------
# z' t, R% g% f' G# ~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。
  k' p3 I. X9 a-------
& j9 H" f+ l$ s" Q0 q7 \) K1 q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
) p4 Z: _3 K7 V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， ...

1 ^4 U. H( r5 A9 M谢谢，算法应该没问题，就是最简单的线性回归。
3 F5 M0 e! S, s8 Y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

' j8 J1 [* v7 i! S2 L, g* X

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。
) C- L2 {5 G7 {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 ...

5 C3 g# w1 n' z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。

5 m, [7 o, j, x' Q或者把b但的起点改为1试试。

雷达

3 l% ?+ ?% w* m3 d% y8 M9 o

老福 发表于 2023-2-14 22:00
$ k4 A- E+ r4 T. Z' d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。
0 c6 S2 c+ |- H# t
! p# I3 s1 p+ W8 K- T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)
y = (x*27+15).reshape(-1)

循环次数加成10倍，就看到 b 收敛了
( a/ _5 C% j/ W+ A# S" Tw , b
( W* {' N' k4 v* m$ B- k  ]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。