继续请教问题:关于 Pytorch 的 Autograd

雷达

5 F* i5 `1 v1 u  F* V6 d1 H
6 R9 v6 T9 w; L9 X/ a为预防老年痴呆，时不时学点新东东玩一玩。
3 |1 G! E7 P5 u! Z) G. _1 wPytorch 下面的代码做最简单的一元线性回归：
" K; F& S6 k! i* Z----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
import random

x = torch.tensor(np.arange(1,100,1))
- b# T% R9 _# w$ Z/ Ny = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
; z6 X% t- N3 I+ G" o% o# E
" ~+ z7 f0 F, sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
6 l/ \0 j& k1 U' w4 |b = torch.tensor(0.,requires_grad=True)

+ g+ n5 c8 ?" y) T% Gepochs = 100
; d  W( M' O4 w+ o+ r
losses = []
for i in range(epochs):
  y_pred = (x*w+b)    # 预测
" Z  T& \$ _5 a' D  y_pred.reshape(-1)
' i" W: s: a; S: O! p! O5 E5 K/ J
. @+ S" {. b& Z" o3 g; w/ l0 N  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
9 E( n' u9 m% O" @1 G+ {2 l    w  -= w.grad*0.0001   # 回归 w
1 H% H6 k/ L% Z& {1 |    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
$ W7 @; {* t$ i0 w  [& y# m
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
& i, `5 ?3 C* s# j& N: a0 y----------------------------------------------
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

+ V7 D# L# I7 h9 _" l% @6 X# 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？
, F% i$ F! K% b! 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。
-------
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
' H7 b. j6 ?5 @: 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 X! H# g+ p0 I-------
不好意思， ...

( v  m) `: [3 V2 M谢谢，算法应该没问题，就是最简单的线性回归。
( }; ^# {% \% q$ P9 B; a. B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。
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 ...

2 ^. {" l; ~* J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 \3 P) W5 M; ?- Y2 O9 J4 Z
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。

或者把b但的起点改为1试试。 ...

9 {4 v' w0 K% z4 g0 g- w
你是对的。
去掉了随机部分
#y = (x*27+15+random.randint(-2,3)).reshape(-1)
" _2 Z2 }1 Q$ {; F! O1 ry = (x*27+15).reshape(-1)

( U7 G8 t4 C- [' f循环次数加成10倍，就看到 b 收敛了
w , b
, r! ~0 J) R/ ^6 u27.002620697021484 14.826167106628418
% Q1 o7 V; n& [2 U# ]# }
, v! _( Z7 X% I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。