继续请教问题:关于 Pytorch 的 Autograd

雷达

% w/ F! \; j$ r2 a
0 @/ X1 e+ ?- g1 [; v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：
----------------------------------------------
import torch
import numpy as np
import matplotlib.pyplot as plt
1 J9 Z+ s! F- v; \) @. eimport random

4 B" @! n+ n& W4 C) Z# \" cx = torch.tensor(np.arange(1,100,1))
9 I1 x5 k3 S  F/ A) o- Gy = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
4 w1 v1 Z, s7 _9 [( v1 j9 O
8 k& M: p. |0 sw = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
7 E6 V& }, a8 Y3 P; U3 jb = torch.tensor(0.,requires_grad=True)
" f* F3 y# u, \0 S: ^4 K2 J
epochs = 100

losses = []
6 A" |9 M# ~* ]for i in range(epochs):
  `$ h# m: g! m" ]* y  y_pred = (x*w+b)    # 预测
; k' N4 ~+ N  Q8 I# C2 w  y_pred.reshape(-1)
  a3 C/ `" h0 B9 r( d
  loss = torch.square(y_pred - y).mean()   #计算 loss
# p+ `5 T; p% z  i  losses.append(loss)
  
  loss.backward() # autograd
% \8 }5 s0 Y" }  R6 k  with torch.no_grad():
' Z' I& M# t8 q: |* k    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
1 p) T3 C$ j: G6 h  w.grad.zero_()  
  b.grad.zero_()

: |* l; W5 `6 I: s! eprint(w.item(),b.item()) #结果

Output： 27.26387596130371  0.4974517822265625
+ \6 z; X0 a/ }8 a2 ]) u# |0 }) ?----------------------------------------------
/ w0 t6 G( L0 h) w5 t) L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？
; Z; m( P( B* F8 k- C7 P

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？
-------
: Y. f7 @$ d3 c  R+ G+ U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。
-------
% }& ^! E2 X5 U1 {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
' K6 S$ _+ H  n  r, B  i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？
0 [3 z/ C4 A4 f. W- [-------
不好意思， ...

+ L; f; T* m" t( T( a/ F/ ~谢谢，算法应该没问题，就是最简单的线性回归。
0 A1 z& e/ u( l& u. 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一下。

老福

4 [8 A% g' P( x: H8 A/ C

雷达 发表于 2023-2-14 21:52
: q. c2 l9 t( u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 ...

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。

- b+ e2 C' p8 D9 ?& u或者把b但的起点改为1试试。

雷达

* F3 D" e2 o7 w  f2 `6 i

老福 发表于 2023-2-14 22:00
' w0 x6 K' y  a* B$ W! h+ F5 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。

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)
* {3 P/ m8 ~, i/ {
循环次数加成10倍，就看到 b 收敛了
w , b
& V6 Q2 v2 q# o1 K6 P- m27.002620697021484 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。