继续请教问题:关于 Pytorch 的 Autograd

雷达

* U( K( g8 `% A4 m
为预防老年痴呆，时不时学点新东东玩一玩。
, X+ Z  X* q( W3 l9 v# FPytorch 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
import random

x = torch.tensor(np.arange(1,100,1))
. o9 I; J5 c4 l- ^7 w- `3 h1 ^$ Oy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
, ~9 Y& o% I$ ^, ?0 h
/ W9 c( U3 o2 Z! N6 F1 K& pw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
8 Y( n0 J" @8 k3 }+ v% X& tb = torch.tensor(0.,requires_grad=True)

epochs = 100

* R+ B4 m  N* `losses = []
% I3 f" A! d) B) e: `: ?for i in range(epochs):
  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
) R- L" E+ M6 d0 c
; T6 k: @; d. s  loss = torch.square(y_pred - y).mean()   #计算 loss
2 I: m: f+ T( U  f  losses.append(loss)
5 |- o; o4 d* N" J5 S/ Y9 D+ `3 q! R  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
5 O- o6 ]8 x6 \5 \& p  w.grad.zero_()  
  b.grad.zero_()
3 P* ^4 j( I4 J. Z4 @6 c
print(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
3 C2 k# y. \' \% n3 s! [+ M----------------------------------------------
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？
5 m8 I" H% {  |1 ^, L& n- @

老福

1 \# C0 M) `( n$ _  g5 v3 `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，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。
-------
, j% U# L- P, `2 v% t8 t! C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
- [$ V# Z  ~* N" `1 \% |4 c+ |- s: B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， ...

' [! e9 t: }  N# h+ \7 f" C谢谢，算法应该没问题，就是最简单的线性回归。
. B1 ~5 `3 u. s" i7 w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

1 ~; h- k* J% b0 ~6 A9 _" A

雷达 发表于 2023-2-14 21:52
1 f- h0 `+ _5 P! H  D  y9 F/ e谢谢，算法应该没问题，就是最简单的线性回归。
* c4 g) O- F% N/ z$ s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 ...

- J: [, U* V% ?' x
0 S2 ^0 C3 b& V6 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

, e" \1 _9 l" i8 |2 b1 s7 I/ @0 [9 w

老福 发表于 2023-2-14 22:00
0 y% m+ w# G) ^- K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 u, x6 z  K+ G  e& q* y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)
$ d8 Z6 g7 G; o% \' B% Ay = (x*27+15).reshape(-1)
! ]/ A5 S0 X# X0 ~, g; \) n
' H9 u1 w* o  I; U: V- W循环次数加成10倍，就看到 b 收敛了
5 u1 e8 C4 z( vw , b
27.002620697021484 14.826167106628418
: Z  p6 s& `& H$ C: v1 ?
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。