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。
# ?( e  h0 t  w( e( \* M5 E+ |Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
" F/ Q1 x% S4 _) n5 oimport random

x = torch.tensor(np.arange(1,100,1))
$ `& h; ^1 k, d- g. V& m( Gy = (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
5 [. j/ ]7 r  b0 a
8 W; }4 V( \- Blosses = []
3 o1 W8 c2 \; E0 t' V+ ^5 cfor i in range(epochs):
* Y, q( I; |% a5 G5 [- n9 U, o, o  y_pred = (x*w+b)    # 预测
' v; ]- x. z8 z3 x1 `$ G  y_pred.reshape(-1)

4 a9 y; e; l) P& c  loss = torch.square(y_pred - y).mean()   #计算 loss
7 F# @1 _  Q' d# D; I, w  losses.append(loss)
  
4 u; Z2 ]$ v0 u+ P  loss.backward() # autograd
  with torch.no_grad():
! g. e& ]) [( d    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
; s& ~" _6 J/ z1 p  w.grad.zero_()  
  b.grad.zero_()
$ u7 N( K8 n4 t* y  u: w: j7 c
$ K3 R1 z6 M; tprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
; g0 e  G2 e/ b3 [9 P4 ~5 U----------------------------------------------
) Y4 G& w! i3 n0 \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。
1 @: C) f: R: C; d高手们帮看看是神马原因？

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？
-------
6 h4 S$ R0 `0 f$ E' y! {9 V8 U6 S  ^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。
-------
0 S5 `) t0 Z6 |! i0 p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？
9 K0 f8 H( |7 z( E; _# y-------
不好意思， ...

- K. n' K6 d: ~. W+ @谢谢，算法应该没问题，就是最简单的线性回归。
# f; i, g( V4 [1 i7 n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

! M( w! c4 o$ Z! i

雷达 发表于 2023-2-14 21:52
, |! j$ X% E' O5 I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 ...

# @3 A5 [" v0 h; H. H
$ R- k; x: j- ^; W& A% ^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。

' S- j  @! i9 z, w0 _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。
7 s  Z8 \6 w9 i, [1 G
或者把b但的起点改为1试试。 ...

3 m3 K# m( m5 k
6 o& F( O, z& o2 D9 Z3 e- q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)

+ ?$ }6 e! Y! O1 D- S0 ~循环次数加成10倍，就看到 b 收敛了
  A6 Q/ X3 u* b! Uw , b
27.002620697021484 14.826167106628418

8 Z' @5 p+ m& a) W" k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。